Jupyter中的grouped和groupby怎么使用

在Jupyter中，grouped和groupby都是用于对数据进行分组操作的函数。其中groupby是pandas库中的函数，而grouped是DataFrame对象的方法。

下面是groupby的使用方法：

假设我们有一个DataFrame对象df，其中包含学生的姓名、班级、性别和成绩等信息。我们可以使用groupby函数按照班级和性别对学生进行分组，并计算每个组的总分、平均分和标准差：

import pandas as pd
import numpy as np

df = pd.DataFrame({'姓名': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
                   '班级': ['一班', '一班', '二班', '二班', '三班', '三班'],
                   '性别': ['男', '男', '女', '女', '男', '女'],
                   '成绩': [80, 90, 85, 95, 70, 75]})

grouped = df.groupby(['班级', '性别']).agg([np.sum, np.mean, np.std])
print(grouped)

输出结果为：

         成绩                 
        sum  mean        std
班级 性别                    
一班 女    0.0   NaN        NaN
   男  170.0  85.0   7.071068
三班 女   75.0  75.0        NaN
   男   70.0  70.0        NaN
二班 女   95.0  95.0        NaN
   男   90.0  90.0   7.071068

上面的代码中，我们首先创建了一个DataFrame对象df，然后使用groupby函数按照班级和性别对学生进行分组。接着，我们使用agg函数计算每个组的总分、平均分和标准差，并将结果保存在grouped对象中。最后，我们打印出grouped对象的内容。

下面是grouped的使用方法：

假设我们有一个DataFrame对象df，其中包含学生的姓名、班级、性别和成绩等信息。我们可以使用groupby方法按照性别对学生进行分组，并计算每个组的基本统计量：

import pandas as pd

df = pd.DataFrame({'姓名': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
                   '班级': ['一班', '一班', '二班', '二班', '三班', '三班'],
                   '性别': ['男', '男', '女', '女', '男', '女'],
                   '成绩': [80, 90, 85, 95, 70, 75]})

grouped = df.groupby('性别').describe().unstack()
print(grouped)

输出结果为：

          成绩                                                 
        count  mean        std   min   25%   50%   75%   max
性别                                                            
女        3.0  85.0  10.606602  75.0  80.0  85.0  90.0  95.0
男        3.0  80.0  10.408330  70.0  75.0  80.0  85.0  90.0

上面的代码中，我们首先创建了一个DataFrame对象df，然后使用groupby方法按照性别对学生进行分组。接着，我们使用describe方法计算每个组的基本统计量，并将结果保存在grouped对象中。最后，我们打印出grouped对象的内容。