導讀
pandas作為Python資料分析的瑞士軍刀，內建了大量實用的功能接口，基本可以實作資料分析一站式處理。前期，筆者完成了一篇pandas系統入門教程，也針對幾個常用的分組統計接口進行了介紹，今天再針對groupby分組聚合操作進行拓展講解。
01 如何了解pandas中的groupby操作
groupby是pandas中用于資料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。了解groupby的原理可參考官網給出的解釋：
其中：
- split：按照某一原則(groupby字段)進行拆分，相同屬性分為一組
- apply：對拆分後的各組執行相應的轉換操作
- combine：輸出彙總轉換後的各組結果
02 分組(split)——groupby
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，分組字段，可以是列名/series/字典/函數，常用為列名
- axis，指定切分方向，預設為0，表示沿着行切分
- as_index，是否将分組列名作為輸出的索引，預設為True；當設定為False時相當于加了reset_index功能
- sort，與SQL中groupby操作會預設執行排序一緻，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：
示例資料
- 單列作為分組字段，不設定索引
- 單列字段的轉換格式作為分組字段
- 字典，根據索引對記錄進行映射分組
- 函數，根據函數對索引的執行結果進行分組
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：
- 直接加聚合函數，但隻能實作單一功能，常用聚合函數包括：mean/sum/median/min/max/last/first等，最為簡單直接的聚合方式
- agg(或aggregate)，執行更為豐富的聚合功能，常用清單、字典等形式作為參數
例如需要對如上資料表中兩門課程分别統計平均分和最低分，則可用清單形式傳參如下：
如果想對國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：
- apply，除了agg豐富的可選聚合函數外，apply還可以自定義面向分組的聚合函數
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(标量)；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，需要計算每個班級國文平均分與數學平均分之差，則用apply會是一個理想的選擇：
- transform，又一個強大的groupby利器，其與agg和apply的差別相當于SQL中視窗函數和分組聚合的差別：transform并不對資料進行聚合輸出，而隻是對每一行記錄提供了相應聚合結果；而後兩者則是聚合後的分組輸出。
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連接配接實作：
實際上，pandas中幾乎所有需求都存在不止一種實作方式！
04 時間序列的groupby——resample
再次指出，groupby相當于是按照某一規則對資料進行分組聚合，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——重采樣resample。了解groupby的split-apply-combine三步走處理流程，那麼自然也很容易了解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，是以groupby的4種轉換操作自然也都适用于resample。
生成以下含有時間序列的樣例資料：
需統計每15天的平均分數，用resample可實作如下：
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的核心差別僅在于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，還可将groupby與resample鍊式使用，但僅可以是resample在groupby之後，反之則會報錯。例如：
需要指出，resample等價于groupby操作一般是指下采樣過程；同時，resample也支援上采樣，此時需設定一定規則進行插值填充。
相關閱讀：
- 臨行在即，分享一個自己寫的sklearn源碼庫
- python資料科學系列：seaborn入門詳細教程
- python資料科學系列：pandas入門詳細教程
- python資料科學系列：matplotlib入門詳細教程
- python資料科學系列：numpy入門詳細教程