对数据集进行分组并对各组应用一个函数（无论是聚合还是转换），是数据分析的重要环节。

在将数据集准备好之后，通常的任务是计算分组统计或生成透视表。

pandas提供灵活高效的groupby功能，能够以一种自然的方式对数据集进行切片、切块、摘要等操作。

关系型数据库和SQL能够流行的原因之一是其能够方便的对数据进行连接、过滤、转换和聚合。

但实际上，SQL的分组运算能力有限。

GroupBy

粉组件可以有多种形式：

• 列表或数组，其长度与待分组的轴一样

• 表示DataFrame某个列名的值

• 字典或Series，给出待分组轴上的值与分组名之间的对应关系

• 函数，用于处理轴索引或索引中的各个标签

注意，后三种只是快捷方式而已，它们的最终目的都是产生一组用于拆分对象的值。

df = DataFrame({'key1' : ['a', 'a', 'b', 'b', 'a'],
                'key2' : ['one', 'two', 'one', 'two', 'one'],
                'data1' : np.random.randn(5),
                'data2' : np.random.randn(5)})

按key1进行分组，并计算data1列的平均值

grouped = df['data1'].groupby(df['key1'])

变量grouped是一个GroupBy对象，计算平均值

grouped.mean()

key1
a    0.746672
b   -0.537585
Name: data1, dtype: float64

数据根据粉组件产生聚合，并产生新的Series，其索引为key1列的唯一值。

如果我们一次传入多个数组，则得到不同的结果

means = df['data1'].groupby([df['key1'], df['key2']]).mean()

key1  key2
a     one     0.880536
      two     0.478943
b     one    -0.519439
      two    -0.555730
Name: data1, dtype: float64

上面通过两个键对数据进行分组，得到Series具有一个层次化索引，由唯一的键对组成。

对层次化索引升维

means.unstack()

key2       one       two
key1                    
a     0.880536  0.478943
b    -0.519439 -0.555730

在上面示例，分组键都是Series，实际上，分组键可以是任何长度适当的数组

states = np.array(['Ohio', 'California', 'California', 'Ohio', 'Ohio'])
years = np.array([2005, 2005, 2006, 2005, 2006])
df['data1'].groupby([states, years]).mean()

California  2005    0.478943
            2006   -0.519439
Ohio        2005   -0.380219
            2006    1.965781
Name: data1, dtype: float64

或者是将列名（可以是字符串、数字或其他Python对象）用作分组键

df.groupby('key1').mean()

         data1     data2
key1                    
a     0.746672  0.910916
b    -0.537585  0.525384

可以看到在执行上述操作后，结果中没有key2列。因为df['key2']不是数值数据（“麻烦列”），因此从结果中排除。

df.groupby(['key1', 'key2']).mean()

              data1     data2
key1 key2                    
a    one   0.880536  1.319920
     two   0.478943  0.092908
b    one  -0.519439  0.281746
     two  -0.555730  0.769023

使用GroupBy的size方法，可以返回一个含有分组大小的Series

df.groupby(['key1', 'key2']).size()

key1  key2
a     one     2
      two     1
b     one     1
      two     1
dtype: int64