1. 起因
利用python的pandas库进行数据分组分析十分便捷，其中应用最多的方法包括：groupby、pivot_table及crosstab，以下分别进行介绍。
2. 详解
首先构造数据
import numpy as np
import pandas as pd
df = pd.DataFrame({'key1':['a','a','b','b','a'],'key2':['one','two','one','two','one'],'data1':np.random.randn(5),'data2':np.random.randn(5)})
df数据结构
2.1 group函数
分组groupby Pandas中最为常用和有效的分组函数。
1）按列分组
注意以下使用groupby()函数生成的group1是一个中间分组变量，为GroupBy类型。
group1 = df.groupby('key1')
group2 = df.groupby(['key1','key2'])
使用推导式[x for x in group1]可显示分组内容。
[x for x in group1]
[('a', data1 data2 key1 key2
0 1.830651 0.407903 a one
1 -0.973132 -0.056084 a two
4 -1.069184 0.043338 a one), ('b', data1 data2 key1 key2
2 -0.477718 -1.488174 b one
3 -0.227680 -0.825671 b two)]
在分组group1、group2上可以应用size()、sum()、count()等统计函数，能分别统计分组数量、不同列的分组和、不同列的分组数量。
group1.size()
key1
a 3
b 2
dtype: int64
group1.sum()
对于分组的某一列或者多个列，应用agg(func)可以对分组后的数据应用func函数。例如：用group1['data1'].agg('mean')对分组后的’data1’列求均值。当然也可以推广到同时作用于多个列和使用多个函数上。
group1['data1'].agg(['mean','sum'])
2.2 透视表pivot_table
pivot_table可以产生类似于excel数据透视表的结果，相当的直观。其中参数index指定“行”键，columns指定“列”键。
pd.pivot_table(df, index = 'key1', columns= 'key2')
2.3 交叉表crosstab
交叉表crosstab 可以按照指定的行和列统计分组频数，用起来非常方便；当然同样的功能也可采用groupby实现。
pd.crosstab(df.key1,df.key2, margins=True)
3. 总结
最近在学习《利用Python进行数据分析》，会把遇到的问题和学习到的知识写出来，希望不要弃坑。
