pd.DataFrame.groupby

`pd.DataFrame.groupby` 是 Pandas 库中用于对 DataFrame 进行分组的函数。它基于一个或多个键（可以是列名、函数或数组）将 DataFrame 拆分成多个组，并将每个组应用函数（如 sum、mean、count 等）进行聚合。使用 `groupby` 函数可以方便地进行数据的分析和探索。

例如，下面的代码将根据 "region" 列对 DataFrame 进行分组，并计算每个组中 "sales" 列的总和：

import pandas as pd

df = pd.DataFrame({
    'region': ['East', 'West', 'North', 'South', 'East', 'West', 'North', 'South'],
    'sales': [100, 200, 150, 50, 120, 180, 80, 70],
    'profit': [10, 20, 15, 5, 12, 18, 8, 7]
})

grouped = df.groupby('region')
total_sales = grouped['sales'].sum()

print(total_sales)

输出结果为：

region
East     220
North    230
South    120
West     380
Name: sales, dtype: int64

这里分别计算了每个地区的销售总额。

相关问题

pd.dataframe.groupby.mean()

pd.dataframe.groupby.mean()是Pandas库中的一个函数，用于对数据进行分组并计算每组的平均值。具体来说，它将数据按照指定的列进行分组，然后对每个分组计算该列的平均值，并返回一个新的数据框，其中包含每个分组的平均值。这个函数在数据分析和统计中非常常用，可以帮助我们更好地理解数据的分布和趋势。

pd.DataFrame使用

`pd.DataFrame`是Python的pandas库中的重要数据结构，它是一个二维表格型的数据结构，类似于电子表格或SQL表。DataFrame可以存储不同类型的数据，如数值、字符串、布尔值等，并且每一列可以有独立的数据类型。它的基本操作包括：

1. **创建**：你可以通过多种方式创建DataFrame，如从列表、字典、CSV文件、Excel文件、数据库提取数据等。

   df = pd.DataFrame(data={'A': [1, 2, 3], 'B': ['a', 'b', 'c']})

2. **查看**：可以用head()或tail()方法查看前几行或后几行数据，也可以用info()了解基本信息。

   print(df.head())

3. **索引和列名**：可以设置和修改索引（行标签）和列名。

   df.set_index('A', inplace=True)
   df.rename(columns={'B': 'Column_B'}, inplace=True)

4. **数据处理**：提供丰富的统计函数如mean(), sum(), groupby()用于聚合、分组计算等。

   total = df.groupby('Column_B').sum()

5. **合并和拼接**：可以水平（concat()）或垂直（append()）地合并或拼接DataFrame。

   df2 = pd.DataFrame({'A': [4, 5], 'B': ['d', 'e']})
   result = pd.concat([df, df2])

6. **数据清洗**：支持缺失值处理，如dropna()删除含有缺失值的行或列。

   df.dropna(inplace=True)  # 删除包含NaN的行