groupby的深层次运用

`groupby` 是 pandas 中非常有用的函数，它可以将数据按照某些标准进行分组，并对每个分组进行操作。除了基本的分组操作之外，`groupby` 也支持一些深层次的运用，下面介绍一下其中的几个。

1. 聚合多个函数

`groupby` 可以使用 `agg` 方法聚合多个函数。例如，我们可以对一个数据集按照性别进行分组，然后计算每个分组的平均年龄和身高：

import pandas as pd

data = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Ella', 'Frank'],
    'gender': ['F', 'M', 'M', 'M', 'F', 'M'],
    'age': [25, 30, 35, 40, 45, 50],
    'height': [165, 170, 175, 180, 165, 175]
})

grouped = data.groupby('gender').agg({'age': 'mean', 'height': 'mean'})

print(grouped)

输出结果：

              age  height
gender                  
F       35.000000   165.0
M       38.333333   175.0

2. 对分组后的数据进行排序

`groupby` 后的数据可以使用 `sort_values` 方法排序。例如，我们可以对一个数据集按照性别进行分组，然后按照年龄和身高进行排序：

import pandas as pd

data = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Ella', 'Frank'],
    'gender': ['F', 'M', 'M', 'M', 'F', 'M'],
    'age': [25, 30, 35, 40, 45, 50],
    'height': [165, 170, 175, 180, 165, 175]
})

grouped = data.groupby('gender').apply(lambda x: x.sort_values(['age', 'height']))

print(grouped)

输出结果：

           name gender  age  height
gender                             
F      0  Alice      F   25     165
       4   Ella      F   45     165
M      1    Bob      M   30     170
       2   Charlie      M   35     175
       3   David      M   40     180
       5   Frank      M   50     175

3. 使用 `transform` 方法进行数据变换

`groupby` 后的数据可以使用 `transform` 方法进行数据变换。例如，我们可以对一个数据集按照性别进行分组，然后计算每个分组的平均年龄和身高，并将每个人的年龄减去对应分组的平均年龄：

import pandas as pd

data = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Ella', 'Frank'],
    'gender': ['F', 'M', 'M', 'M', 'F', 'M'],
    'age': [25, 30, 35, 40, 45, 50],
    'height': [165, 170, 175, 180, 165, 175]
})

grouped = data.groupby('gender').agg({'age': 'mean', 'height': 'mean'})
data['age_diff'] = data['age'] - data['gender'].map(grouped['age'])

print(data)

输出结果：

      name gender  age  height  age_diff
0    Alice      F   25     165     -10.0
1      Bob      M   30     170      -8.333333
2  Charlie      M   35     175      -3.333333
3    David      M   40     180       1.666667
4     Ella      F   45     165      10.000000
5    Frank      M   50     175       8.333333

4. 按照多个键进行分组

`groupby` 可以按照多个键进行分组。例如，我们可以对一个数据集按照性别和身高进行分组，然后计算每个分组的平均年龄：

import pandas as pd

data = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Ella', 'Frank'],
    'gender': ['F', 'M', 'M', 'M', 'F', 'M'],
    'age': [25, 30, 35, 40, 45, 50],
    'height': [165, 170, 175, 180, 165, 175]
})

grouped = data.groupby(['gender', 'height']).agg({'age': 'mean'})

print(grouped)

输出结果：

                age
gender height     
F      165       25
M      170       30
       175       42.5
       180       40