使用 groupby() 方法对数据进行分组

“分-应用-合并”策略是数据分析中一种强大的模式。此过程的第一步是根据某些条件将数据分成组。Pandas 主要通过 groupby() 方法实现此目的。

可以将 groupby() 理解为告诉 Pandas：“将此 DataFrame 的行分离到不同的‘桶’中，每个‘桶’包含在特定列（或多列）中具有相同值的行。”此操作不会立即改变 DataFrame 或显示已分离的数据。相反，它会创建一个特殊的中间对象，称为 GroupBy 对象。该对象包含所有必要的分组信息，并已准备好进行下一步：对每个组应用函数（例如计算总和或平均值）。

groupby() 方法

基本语法很简单：你在 DataFrame 上调用 groupby() 方法，并传入你希望作为分组依据的列名（或列名列表）。

让我们用一个例子来说明。假设我们有一个小数据集，记录了不同产品在各个区域的销售情况。

import pandas as pd

# 示例销售数据
data = {'Region': ['North', 'South', 'North', 'South', 'East', 'East', 'North'],
        'Product': ['A', 'A', 'B', 'B', 'A', 'B', 'A'],
        'Sales': [100, 150, 200, 50, 120, 80, 90]}
df = pd.DataFrame(data)

print("原始 DataFrame:")
print(df)

Output:

原始 DataFrame:
  Region Product  Sales
0  North       A    100
1  South       A    150
2  North       B    200
3  South       B     50
4   East       A    120
5   East       B     80
6  North       A     90

现在，让我们按照‘Region’列对这个 DataFrame 进行分组：

# 按照‘Region’列进行分组
grouped_by_region = df.groupby('Region')

print("\ngroupby('Region') 的结果：")
print(grouped_by_region)

Output:

groupby('Region') 的结果：
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x...>

注意，输出本身并不是分组后的数据。它是一个 DataFrameGroupBy 对象。这个对象实际上包含多个小型 DataFrame，‘Region’列中的每个唯一值（‘North’、‘South’、‘East’）对应一个。

将 groupby('Region') 应用到 DataFrame 的示意图。该方法创建一个 GroupBy 对象，其中包含原始 DataFrame 中每个唯一区域的子集引用。

GroupBy 对象有何用途？

这个 GroupBy 对象是分-应用-合并过程的根本。虽然它本身不直接显示太多，但已准备好进行“应用”步骤。你可以对其执行各种操作，例如：

1. 聚合： 为每个组独立计算汇总统计量（如平均值、总和、计数）。这是最常见的用法，将在下一节（“应用聚合函数”）中说明。
2. 转换： 执行组特定的计算，并返回与原始 DataFrame 形状一致的结果。
3. 筛选： 根据某些组级别计算丢弃整个组。
4. 迭代： 遍历各个组（我们将在后面的“迭代分组”中看到这一点）。

目前，重要的要点是 df.groupby('column_name') 能根据指定列高效地分割 DataFrame，并创建一个 GroupBy 对象，为后续对每个组的分析打下基础。