【实战演练】数据聚合与分组分析：利用Python进行数据聚合与分组分析

# 2.1 数据聚合函数

数据聚合函数用于将一组数据值合并成一个单一值。Python 中常用的数据聚合函数包括：

- **sum()：**计算一组数值的总和。
- **mean()：**计算一组数值的平均值。
- **max()：**返回一组数值中的最大值。
- **min()：**返回一组数值中的最小值。

# 2. Python数据聚合与分组分析基础

### 2.1 数据聚合函数

数据聚合函数用于对一组数据进行汇总计算，得到一个单一值。Python中常用的数据聚合函数有：

#### 2.1.1 sum()

`sum()`函数计算一组数据的总和。

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [20, 25, 30]
})

print(df['age'].sum())  # 输出：75

#### 2.1.2 mean()

`mean()`函数计算一组数据的平均值。

print(df['age'].mean())  # 输出：25

#### 2.1.3 max()

`max()`函数返回一组数据中的最大值。

print(df['age'].max())  # 输出：30

#### 2.1.4 min()

`min()`函数返回一组数据中的最小值。

print(df['age'].min())  # 输出：20

### 2.2 数据分组函数

数据分组函数用于将数据按指定列分组，以便对每个组进行聚合计算。Python中常用的数据分组函数有：

#### 2.2.1 groupby()

`groupby()`函数将数据按指定列分组，返回一个`GroupBy`对象。

df_grouped = df.groupby('name')

#### 2.2.2 agg()

`agg()`函数对每个分组应用聚合函数，返回一个汇总后的数据框。

df_grouped.agg({'age': ['sum', 'mean', 'max', 'min']})

#### 2.2.3 transform()

`transform()`函数对每个分组应用聚合函数，但返回的是一个与原始数据框相同大小的数据框，每个元素包含该组的聚合结果。

df['age_group_mean'] = df.groupby('name')['age'].transform('mean')

# 3. Python数据聚合与分组分析实践

### 3.1 数据预处理和清洗

在进行数据聚合与分组分析之前，通常需要对原始数据进行预处理和清洗，以确保数据的准确性和完整性。

#### 3.1.1 导入数据

首先，需要将原始数据导入到Python环境中。可以使用`pandas`库的`read_csv()`函数读取CSV文件，或使用其他函数读取其他格式的数据文件。

import pandas as pd

# 从CSV文件导入数据
df = pd.read_csv('data.csv')

#### 3.1.2 数据类型转换

数据导入后，需要检查并转换数据类型。`pandas`库提供了`astype()`函数来转换数据类型。例如，将`'age'`列转换为整数类型：

df['age'] = df['age'].astype(int)

#### 3.1.3 数据缺失值处理

缺失值会影响数据聚合与分组分析的结果。可以采用以下方法处理缺失值：

- **删除缺失值：**使用`dropna()`函数删除包含缺失值的记录。
- **填充缺失值：**使用`fillna()`函数填充缺失值。可以填充均值、中位数或特定值。

# 删除包含缺失值的记录
df = df.dropna()

# 用均值填充缺失值
df['age'].fillna(df['age'].mean(), inplace=True)

### 3.2 数据聚合与分组分析

数据预处理完成后，就可以进行数据聚合与分组分析了。

#### 3.2.1 按列聚合

按列聚合是对同一列中的数据进行汇总操作，例如求和、求平均值、求最大值或最小值。可以使用`pandas`库的聚合函数，如`sum