python分类统计

### 使用Python进行分类统计

对于分类统计数据的任务，`pandas` 是一个非常重要的库。该库提供了灵活高效的数据结构以及用于数据分析的强大功能[^1]。

#### 数据准备
为了展示如何使用 `pandas` 进行分类统计，先创建一些模拟数据：

import pandas as pd

data = {
    'Category': ['A', 'B', 'C', 'A', 'B', 'C'],
    'Values': [10, 20, 30, 40, 50, 60],
}
df = pd.DataFrame(data)
print(df)

这段代码构建了一个简单的 DataFrame 对象 df ，其中包含了两个列：“Category” 和 “Values”。

#### GroupBy操作
接下来可以对上述数据按照类别分组，并计算每类数值总和：

grouped_data = df.groupby('Category').sum()
print(grouped_data)

这里调用了 groupby 方法指定按 "Category" 列分组，之后再调用 sum 函数求得各组内所有成员对应值之和。

除了基本的聚合函数外，还可以自定义更复杂的聚合逻辑，比如获取最大最小值、平均数等其他描述性统计量：

custom_aggregation = df.groupby('Category').agg({
    'Values': ['min', 'max', 'mean']
})
print(custom_aggregation)

此段代码实现了多维度的聚合运算，分别得到每一类别的最小值、最大值及均值。

另外，在面对更加复杂的应用场景时，可能还需要结合 numpy 或 matplotlib 库来进行辅助性的计算或图形化的表达结果[^2]。