分组和聚合DataFrame信息案例解析

分组和聚合DataFrame信息的案例解析如下：

首先，我们需要导入pandas库，并创建一个字典，其中键是列名，值是列中的数据。然后，我们可以使用pandas的DataFrame()函数将字典转换为DataFrame。

import pandas as pd

data = {
   
    '姓名': ['张三', '李四', '王五', '赵六'],
    '年龄': [25, 30, 35, 40],
    '城市': ['北京', '上海', '深圳', '广州']
}

df = pd.DataFrame(data)
print(df)

输出结果：

   姓名  年龄  城市
0  张三  25  北京
1  李四  30  上海
2  王五  35  深圳
3  赵六  40  广州

接下来，我们可以使用DataFrame的groupby()方法对数据进行分组。例如，我们可以根据城市对数据进行分组。

grouped_data = df.groupby('城市')
print(grouped_data)

输出结果：

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x7f8c1c1d3a90>

现在，我们可以使用聚合函数对分组后的数据进行聚合操作。例如，我们可以计算每个城市的平均年龄。

average_age = grouped_data['年龄'].mean()
print(average_age)

输出结果：

城市
北京    25.0
上海    30.0
深圳    35.0
广州    40.0
Name: 年龄， dtype: float64

我们还可以使用其他聚合函数，如sum、count等，对分组后的数据进行聚合操作。