开发者学堂课程【高校精品课-华东师范大学 - Python 数据科学基础与实践：Pandas 数据分组 上】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/1067/detail/15396
Pandas 数据分组 上
下面来学习 pandas 中数据分组聚合与透视。关于第五个内容：pandas 数据可视化，就看给大家提供的资料，以及在线平台上放的数据可视化的视频资料。
pandas 数据分组聚合与透视，第一部分有四小节内容，主要来介绍第一节和第四节。
第一节就是一般的分组GroupBy Mechanics，是数据框系列要对数据进行分组；然后第二节是将数据聚合Data Aggregation，在分组上面再做一些聚合统计，汇总函数，这部分就没时间讲了，可以看提供的资料；
第三部分主要是将 apply：general split-apply-combine 函数用在分组上面，这个也自己了解；第四节内容是讲数据透视表和交叉表，同学们如果用过电子表格就知道把这个透视表是很重要的一个内容。
Data aggregation and group operations
那么下面来看看第一节数据分组，那么开始把整个第六部分的内容介绍一下。就是做数据的汇总、分组操作：
（1）包括把 pandas 对象也就是数据对象（serious或者dataframe），按照关键字段（key）进行分组。
（2）然后在分组上做各种汇总。比如计数，平均值，标准差等等，也可以是用户自定义的函数。
（3）然后应用组内转换和其他一些操作，比如标准化，线性回归，排序，子集选择。
（4）计算透视表和交叉列表。
（5）进行分位数的分析和一些统计组分析。
先看第一节 pandas 的分组机制，分组机制这有编辑语言库的作者。其描述的很经典，分组主要就是做三个阶段的工作：一个将数据进行分割 split，然后分割上面再做应用，应用用一些汇总统计函数。然后再做结合合并，结合合并就是函数作用以后会产生一些结果，这个结果又是一个单独的数据对象，那么这里知道它是要在一些关键字段上进行处理，所以这个关键的分组字段很重要，它可以是单独的一列也可以是多列，也可以是数据里面没有的名字，也可以是索引，所以key 的的形式很多。
习惯上认为 key 就是某一类，某一个属性。但是在实际应用里，key 就是一种类型，它可能有多种类型，后面的实验里面会给大家相关例子。
下面来先加载相关包，然后创建一个四列的数据框，有 key1，key2，data1，data2，这个创建的数据有四列，然后中间都是创建的数据，key1是a，b；key2是 one，two 的值，data1，data2里面是具体的数值。
那么我现在假设想用 key1作为一个 label、关键词、标签来求 data1的平均值，因为 key1要作为 label，它里面有两个值，分别是a和b，那么需要求每个 label 的平均值就要用到分组汇总的方法。
这里可以在 data1上去调用分组，也可以在真题上做分组，有很多方法可以做到刚刚的要求，一种是在 data1列上做操作，当然也可以在整体数据上做操作。先看在 data1这一列上做操作，数据框里面取一列，列的名字放在中括号中，然后用分组的函数 groupby，括号里要指定按照什么关键字进行分组，用的是 key1这一列，在数据框里面取某一列，是数据框的名字加中括号，然后用这个列名加引号引起来，也可以用df【‘key1’】。但是要求规范化、标准化，还是用中括号来取某一列。
这里来进行执行，大家看执行的结果，得到一个 grouped 的分组，这 group 的分组是 pandas 的 groupby 对象，它是一个叫group by的 object，在得到这个分组以后，可以在分组方面做应用，应用一些会统计函数。所以分组、应用、合并这三个过程，还是要强化在脑子里面，下面看看在它上面使用应用函数。
这个分组带来很多汇总函数用平均值，可以在分组对象.后面按 tab键，然后这里面就有很多分组汇总函数，而且基本都是英文单词。
如果想要用的时候可以看帮助，帮助怎么看，操作方法就是在列的名字后面加问号，那比如 mean 的帮助怎么看，在上面可以加单元格，注意加单元格把光标放在这这一行上面，点击字母 a，那么在上面会加一个空的单元格，如果按 b 会在下面加空的单元格。那么 group mean 复制粘贴到上面的空单元格并且在后面加问号，注意问号一定是英文状态下的，然后练习一下，下面就提供了其帮助以及示例，那么这就是说在学 Python 的应用过程当中，没有必要像学英语一样去记住那么多的东西，只要知道逻辑、线索，然后会查帮助，那这是给大家讲的方法。
那么下面再看这是在分组上面求汇总（平均值），当然其 key1还在这里，然后 a 标签就是它的平均值，这就是给大家看的结果。
然后 group key 这个分组的键，按照 key1键对数据series进行了聚合，这也导致其产生了一个新的 series，就此运行的结果看下面的显示，它本身也是一个 series，而且这个 series 的索引就是 key1列中的不同值。
也可以用下面方法，得到的结果中，index 索引也有key1，因为使用了df【‘key1’】作为它groupby上面的 key，那么可以传入多个数组做 list，然后再看下例子。
还是要在 data1的 series 数据框里面选第一列，然后做分组。但是分组传的是一个列表，里面有两个字段 key，然后求其平均值。最后看结果，结果是一个层次索引、分层索引了，有 key1和 key2，然后再是其平均值，前面学过的层次缩影，或者叫多层索引、分层缩影，就很容易理解了。
那么第0级的 key 是 key1，第1级的 key 是 key2，它会产生不同的键。对于这种层次索引，分层索引，可以把它展开，展开以后就是第0级，第0级索引还是保留在它那里，第1级索引变成列上去，最后来看结果。
