开发者学堂课程【Python 常用数据科学库：Groupby 操作延伸】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/546/detail/7491
Groupby 操作延伸
内容介绍
一、groupby 基本操作
二、groupby 索引的层级概念
三、pandas 结构中的还有多层索引
一、groupby 基本操作
1、之前说了 groupby 的一些基本用法，还有一些其他知识点，看看该怎么样给它们融合在一起。首先构造 df，再执行一下这样的一个 df 格式就出来了，abcd 四个列，然后分别有一些指标。按照习惯一开始输入 grouped，然后把数据传进来，以 A为键，然后算一个值，执行一下，可以看一下 group 之后它的 count 的值，count 值相当于是以 A 为键，A 里只有两个值，我们可以分别统计一下这两个值在 BCD 当中出现的次数，当进行 groupby 操作的时候，不光可以指定一个键，也可以指定两个，比如说传进来一个序列，这个序列里写两个东西一个 A 另一个 B，以两个为键也可以，看一下结果，只不过这个结果当中有一些候选项，相当于一共有六种选择，六种选择对应这六个不同的值，这就是最基本的 group by 的操作。
2、在 group by 操作的时候，也可以写上一些自定义的东西。比如说在这里定义一个函数，这个函数可以得到当前的 type 值。比如说把 letter 传进去，传进去之后，如果 letter 的小写在 aeiou 当中，就 return 一个值 a，如果不是就返回 b，这样写完了自定义的函数
def get_letter_type(letter):
if letter.lower() in 'aeiou':
return 'a'
else:
return 'b'
grouped = df.groupby(get_letter_type,axis =1)
grouped. count
再来看一下它的结果，就是 groupby 之后，可以进行 return。如果说满足第一种会return a，如果说满足第二种就会 return b，就完成这样的操作，也可以自定义一些操作，自定义完之后，你想让它返回什么，它就给 你返回出来你自己定义的值，这些我们都是可以自己去设计的。
二、groupby 其实有索引的层级的概念
1、groupby 其实有索引的层级的概念。比如说随便指定一个 Series，在 Series 结构当中，有一些值比如说是123123，然后接下来再来一些值875875，写完了打印出来，得到当前的数据，groupby 的时候可以指定一个l evel，它这里相当于我们不光可以指定一个索引，也可以指定多个索引， level 默认它是从零开始，然后执行一下可以去看它的一些属性，比如说可以看它的 first，结果只出现了一个578，这相当于groupby 之后，它是有些重复的，first 相当于是当中的第一部分，不光可以点 first，也可以点 last，有重复值的时候我们就可以执行这样的操作。
2、group 不光可以指定 level 索引的级别，还可以去指定 first 、last 看一下它具体的值。group 完结果也可以求它的 sum 值，相当于进行了求和的操作。刚刚执行操作的时候，实际上它进行排序，原始是875，它默认会进行自动的排序，但是如果不想要它排序，就给 sort 指定成 False 就可以了。然后我这里还可以再构造一个结构，指定一个 df2=pd.DataFrame
DataFrame 里再传进去一些东西，比如说传进去一个 X 等于 ABAB 这样四个值，然后传进去一个 Y，等于四个值1234，
执行一下 XY 就出来了。重新写一下 df2.groupby 把 X 传进去，X 有 AB 值，你想关注哪一点可以去 get 一下 group 值，可以关注 A 也可以关注 B，这里 group 完之后就光关注 A 的值，如果写 B 它就会光关注 B，相对来说，你得到这个结果之后，你想要它关注什么它就会帮你去关注什么。
三、pandas 结构中的还有多层索引
1、在 pandas 结构当中，还有多层索引的概念，直接写这样的 arrays 结构
arrays = ['bar','bar', baz',baz','foo',foo','qux',qux'].
['one','two',' one', 'two','one','two','one','two']
然后在这里再指定一个索引 index，在 pandas 当中，还可以构造一个多重索引，Multi 的 index 值，然后.from，再从 from 当前构造出来的 arrays 进行构造，然后再把 arrays 传进去就可以了，传进去之后可以指定它的名字，name 一个等于 first、一个等于 second，这样就构造了一个多重索引，然后执行一下，执行完之后构造一个 Series 结构的结构，s=pd. Series，随便传进来一些数np.random.randn(8),index=index 这就构造出s 了，执行结果前面就是索引，有first、secomd，它是有这样的索引结构的。
2、接下来还是执行 group by 的操作。grouped=s.groupby()，里面可以传进来level， level 是等于零的，然后执行一下看结果。结果就出现一个 first，然后 first 后面对应一些值，这是 level 等于零的时候，接下来 level 指定成一，结果有 one two。所以说当在 group by 的时候，其实可以用多重索引来做这个事，一个数据当中不光可以有一个索引的，也可以指定多索引，当指定多索引的时候，在 group by时也可以自己去指定当前的一个索引是用哪个。如果不写 level 等于零等于一，不知道谁是第一个，谁是第二个，也可以写名字，在这里不是指名字了吗？指定 first 或者 second 结果也可以出来，所以说你可以把所有的名字指定进来，然后你指定 level等于零或者一这些都是可以的。
3、对于构造出来的 DataFrame，还可以对它执行一些特定的操作，特定的操作就需要跟 np 结合在一起，比如说在这里可以调 np.sum，这里还要进行 group的 操作，grouped=df.groupby()，把 AB 传进来，相当于 np 当中有些操作我们可以直接拿过来用了，这样就得到了当前的一个结果。
这就是一个以 AB 为键，执行了一个求 sum 和的操作。在这里还可以指定另外一种格式，在 grouped=df.groupby() 后再指定 as_index=False，这样就相当于把所有的行都列出来了。如果不指定就是一个行一个行地列，相当于一个全部版。
4、在 groupby 里执行完一些操作之后，grouped=df.groupby()，可以去求和再reset 一下原来的 index 值，直接执行一下这样就出现结果了。就是说我还可以重新去构建一个索引，从0-5这几个数，在我们执行的时候，也可以指定这样的索引。还直接打印 size 值，grouped.size 执行一下，它的 size 值就出来了，就是可以看一下个数，这样就得到 size 的属性，算了组合的次数。还可以算很多东西，比如说group.describe().head，算它的统计特性值，通过 groupby 的操作得到的结果可以去算很多个属性，对咱们当前这个结果我可以去执行很多个操作， grouped=df.groupby(‘A’)，它针对于某一个属性 C 来说，算它的一些统计特性值，比如说 np.sum,np.mean,np. std 标准差，执行结果可以统计出很多的特性，展示的时候，也可以给它再指定一个名字，就是麻烦一些，需要给它指定成一个字典结构。指定一个自定义的函数也可以，用一些匿名函数去指定这些都是没有问题的。
