Pandas中groupby的這些用法你都知道嗎?

文章來源：小數志

作者：luanhz

groupby是pandas中用於數據分析的一個重要功能，其功能與SQL中的分組操作類似，但功能卻更為強大。理解groupby的原理可參考官網給出的解釋：

其中：

groupby首先要指定分組原則，這也是groupby函數的第一步，其常用參數包括：

by，分組欄位，可以是列名/series/字典/函數，常用為列名

axis，指定切分方向，默認為0，表示沿著行切分

as_index，是否將分組列名作為輸出的索引，默認為True；當設置為False時相當於加了reset_index功能

sort，與SQL中groupby操作會默認執行排序一致，該groupby也可通過sort參數指定是否對輸出結果按索引排序

另有其他參數，但很少用到不再列出。給出幾個典型應用示例：

03 轉換（apply）——agg/apply/transform

分組之後的第二個步驟即為分組轉換操作，也就是應用（apply）一定的函數得到相應的結果。常用的執行操作方式有4種：

例如需要對如上數據表中兩門課程分別統計平均分和最低分，則可用列表形式傳參如下：

如果想對語文課求平均分和最低分，而數學課求平均分和最高分，則可用字典形式參數：

這裡apply函數實際上是一個應用非常廣泛的轉換函數，例如面向series對象，apply函數的處理粒度是series的每個元素（標量）；面向dataframe對象，apply函數的處理粒度是dataframe的一行或一列（series對象）；而現在面向groupby後的group對象，其處理粒度則是一個分組（dataframe對象）。例如，需要計算每個班級語文平均分與數學平均分之差，則用apply會是一個理想的選擇：

例如，想對比個人成績與班級平均分，則如下操作會是首選：

當然，這一操作也可以通過mean聚合+merge連接實現：

實際上，pandas中幾乎所有需求都存在不止一種實現方式！

04 時間序列的groupby——resample

再次指出，groupby相當於是按照某一規則對數據進行分組聚合，當分組的規則是時間序列時，還存在另一種特殊的分組方式——重採樣resample。理解groupby的split-apply-combine三步走處理流程，那麼自然也很容易理解resample處理流程：按照時間split——apply——combine。同時，也正因為resample是一種特殊的分組聚合，所以groupby的4種轉換操作自然也都適用於resample。

需統計每15天的平均分數，用resample可實現如下：

當然，這是直接用了聚合函數，更複雜的例如agg、apply和transform等用法也是一樣的。換句話說，resample與groupby的核心區別僅在於split階段：前者按照時間間隔進行分組，而後者是按照定義的某種規則進行分組。

另外，還可將groupby與resample鏈式使用，但僅可以是resample在groupby之後，反之則會報錯。例如：

需要指出，resample等價於groupby操作一般是指下採樣過程；同時，resample也支持上採樣，此時需設置一定規則進行插值填充。

如果你覺得文章不錯的話，分享、收藏、在看、留言666是對老表的最大支持。