九、累计与分组
1.获取数据
本节用一份Seaborn 程序库行星数据来进行演示（planets）
2.Pandas的简单累计功能
df.sum(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs)
describe() 方法可以计算每一列的若干常用统计值
Pandas的累计方法
| 指标 | 描述 |
|---|---|
| count() | 计数项 |
| first()、 last() | 第一项与最后 |
| mean()、 median() | 均值与中位数 |
| min()、 max() | 最小值与最大 |
| std()、 var() | 标准差与方差 |
| mad() | 均值绝对偏差 |
| prod() | 所有项乘积 |
| sum() | 所有项求和 |
3.GroupBy： 分割splite、 应用apply和组合combine
df.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs)
1)分割、应用和组合
GroupBy 的用处就是将这些分割、应用和组合步骤进行抽象：用户不需要知道在底层如何计算，只要把操作看成一个整体就够了.
返回的是一个 DataFrameGroupBy 对象,是一种特殊形式的 DataFrame，里面隐藏着若干组数据，但是在没有应用累计函数之前不会计算
2)GroupBy对象
GroupBy 对象是一种非常灵活的抽象类型，可以将它看成是 DataFrame的集合，在底层解决所有难题
（1）、按列取值
df.info()可以查看DataFrame数据类型
从原来的 DataFrame 中取某个列名作为一个 Series 组。与 GroupBy 对象一样，直到我们运行累计函数，才会开始计算
（2）、按组迭代
GroupBy 对象支持直接按组进行迭代，返回的每一组都是 Series 或 DataFram
(3)、 调用方法
3)累计aggregate()、 过滤filter()、 转换transform()和应用apply()
(1)、累计aggregate()/agg()
df.aggregate(func, axis=0, *args, **kwargs)
aggregate() 比起sum() 和 median() 之类的简单函数可以支持更复杂的操作，比如字符串、函数或者函数列表，并且能一次性计算所有累计值
缩写agg()
参数func：function, string, dictionary, or list of string/functions
- string function name.
- function.
- list of functions.
- dict of column names -> functions (or list of functions).
另一种用法就是通过 Python 字典指定不同列需要累计的函数
对应SQL
(2)、过滤filter()
过滤操作可以让你按照分组的属性丢弃若干数据。
df.filter(items=None, like=None, regex=None, axis=None)
传入df输出df,
分组求完std值后跟4比较，不满足>4要求的只有A组，因此在原DF中剔除A组的数据，返回的是原DF筛选结果后的数据，不是分组后的DataFrameGroupBy
SQL类似（但SQL中求标准差结果异常）
filter() 函数会返回一个布尔值，表示每个组是否通过过滤
(3)、转换transform()
df.transform(func, *args, **kwargs)
累计操作返回的是对组内全量数据缩减过的结果，而转换操作会返回一个新的全
量数据。数据经过转换之后，其形状与原来的输入数据是一样的。
传入df输出df
对应SQL
(4) apply() 方法
- 基础的应用函数
![在这里插入图片描述]()
![在这里插入图片描述]()
- 分组中的apply
![在这里插入图片描述]()
对应SQL
![在这里插入图片描述]()
4)设置分割的键
by : mapping, function, label, or list of labels
Used to determine the groups for the groupby.
Ifbyis a function, it’s called on each value of the object’s
index. If a dict or Series is passed, the Series or dict VALUES
will be used to determine the groups (the Series’ values are first
aligned; see.align()method). If an ndarray is passed, the
values are used as-is determine the groups. A label or list of
labels may be passed to group by the columns inself. Notice
that a tuple is interpreted a (single) key.
（1）将列表、数组、Series或索引作为分组建
df外重新定义分组依据
（2）用字典或 Series 将索引映射到分组名称
df.set_index(）将列转化成索引
借用原索引，设置映射，重新分组
（3）任意 Python 函数
（4） 多个有效键构成的列表(多重分组)
任意之前有效的键都可以组合成一个列表，进行分组，从而返回一个多级索引的分组结果
5)分组案例
series.astype()转换数据类型
series.unstack() 方法可以快速将一个多级索引的Series 转化为普通索引的 DataFrame
df.T可以转置
