1.groupby

1.1 函数功能

先对数据进行分组，然后在每个分组上运用聚合函数、转换函数

1.2 函数语法

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, observed=False, dropna=True)

1.3 函数参数

参数	含义
by	分组依据
axis	沿着行还是列分隔DataFrame,默认按照行分隔；行：0或“index”;列：1或“columns”
level	用于多层级索引
as_index	布尔值，默认True：是否将分组列名作为输出内容的索引，默认是
sort	布尔值，默认为True：不清楚
group_keys	布尔值，默认为True；不清楚
observed	布尔值，默认为False:针对Categoricals，不清楚
dropna	布尔值，默认值为True：聚合键中包含的空值会被删除掉，否则保留

1.3.1 默认情况分组统计

order = pd.read_excel('C:\\Users\\changyanhua\\Desktop\\order.xlsx')
print(order)
print(order.groupby('学历要求').count())

可以看到默认情况下，分组依据并不统计依据【学历要求】为缺失值的部分。

1.3.2 分组统计包含缺失值部分

print(order.groupby('学历要求',dropna=False).count())

1.3.3 将分组依据作为新的略而不是索引

print(order.groupby('学历要求',dropna=False,as_index=False).count())

1.3.4 多列作为分组依据

print(order.groupby(['学历要求','公司规模'],dropna=False).count())

print(order.groupby(['学历要求','公司规模'],dropna=False,as_index=False).count())

1.3.5 理解辅助

单个分组依据

# 我们可以输出groupby中的内容，分别是分组依据值和对应的内容
for a, b in gb:
    print(a)
    print('*******')
    print(b)
    print('__________')

多个分组依据
可以看到此时的索引是一个元组，我们要获取某个索引对应的内容也需要传入一个元组

gb = order.groupby(['学历要求','公司规模'],dropna=False,as_index=False)
# 我们可以输出groupby中的内容，分别是分组依据值和对应的内容
for a, b in gb:
    print(a)
    print('*******')
    print(b)
    print('__________')

print(gb.get_group(('本科', '150-500人')))