pandas分组聚合

Pandas中的分组聚合是一种常用的数据处理操作，用于基于某些特征将数据集拆分成不同的组，并对每个组应用聚合函数来计算汇总统计量。下面是一个简单的示例：

假设我们有一个包含"姓名"、"性别"和"年龄"的数据集，我们想要按照性别进行分组，并计算每个组的平均年龄和人数。

首先，我们导入pandas库并读取数据集：

import pandas as pd

data = {
    '姓名': ['张三', '李四', '王五', '赵六', '小明', '小红'],
    '性别': ['男', '男', '女', '男', '女', '女'],
    '年龄': [25, 30, 27, 29, 32, 28]
}

df = pd.DataFrame(data)

然后，我们使用`groupby`方法根据"性别"进行分组，并应用聚合函数：

grouped_df = df.groupby('性别').agg({'年龄': ['mean', 'count']})

最后，我们可以打印出结果：

print(grouped_df)

输出：

     年龄      
   mean count
性别          
女  28.3     3
男  28.0     3

在这个示例中，我们首先使用`groupby`方法根据"性别"将数据集分成两组，然后使用`agg`方法计算每个组的平均年龄和人数。

除了平均值和计数之外，Pandas还提供了多种其他的聚合函数，如求和、最大值、最小值、中位数等。你可以根据需求选择适合的聚合函数来进行分组聚合操作。