??一、數據分組（GroupBy）??
??核心概念??：將數據按指定字段分組，對每組進行聚合、轉換或過濾操作。
??1. 分組聚合（Aggregation）??
將分組數據聚合成單個值（如平均值、總和）。
??單變量分組聚合??：
import pandas as pd df = pd.read_csv('data/gapminder.tsv', sep='\t') # 按年份分組計算平均壽命 result = df.groupby('year')['lifeExp'].mean()??Pandas內置聚合方法??：
count(),mean(),std(),median(),sum(),min(),max()等。示例：
df.groupby('continent')['lifeExp'].describe() # 同時計算多個統計量
??自定義聚合函數??：
def my_mean(values): return sum(values) / len(values) # 使用agg調用自定義函數 df.groupby('year')['lifeExp'].agg(my_mean)??多函數聚合??：
result = df.groupby('year')['lifeExp'].agg(['count', 'mean', 'std']) # 重命名結果列 result.columns = ['count_nonzero', 'mean', 'std']??多列不同聚合操作??：
df.groupby('year').agg({ 'lifeExp': 'mean', 'pop': 'median', 'gdpPercap': 'median' }).rename(columns={ 'lifeExp': '平均壽命', 'pop': '人口', 'gdpPercap': '人均Gdp' }).reset_index()
??2. 分組轉換（Transformation）??
保持數據維度不變，對每組進行轉換（如標準化、填充缺失值）。
??計算Z分數??：
def my_zscore(x): return (x - x.mean()) / x.std() df['z_score'] = df.groupby('year')['lifeExp'].transform(my_zscore)??分組填充缺失值??：
tips = pd.read_csv('data/tips.csv').sample(10, random_state=42) tips.loc[np.random.permutation(tips.index)[:4], 'total_bill'] = np.NaN # 構造缺失值 def fill_na_mean(x): return x.fillna(x.mean()) # 用組內均值填充缺失值 tips['fill_total_bill'] = tips.groupby('sex')['total_bill'].transform(fill_na_mean)
??3. 分組過濾（Filtration）??
根據條件篩選分組（如刪除組內數據量不足的分組）。
# 過濾組內數據量>30的分組
tips_filtered = tips.groupby('size').filter(lambda x: len(x) > 30)
tips_filtered['size'].value_counts()??4. DataFrameGroupBy對象操作??
分組后返回DataFrameGroupBy對象，支持進一步操作。
??查看分組??：
grouped = tips.groupby('sex') grouped.groups # 顯示分組索引 female_group = grouped.get_group('Female') # 提取特定組??遍歷分組??：
for name, group in grouped: print(f"Group: {name}") print(group.head())??多字段分組??：
group_avg = tips.groupby(['sex', 'time']).mean() # 返回MultiIndex group_avg.reset_index() # 轉換為普通DataFrame # 或分組時禁用索引 tips.groupby(['sex', 'time'], as_index=False).mean()
??二、數據透視表（Pivot Table）??
動態重組數據，按行列維度聚合分析。
??核心參數??
參數 | 作用 | 示例 |
|---|---|---|
| 行分組字段 |
|
| 列分組字段 |
|
| 待聚合的數值列 |
|
| 聚合函數（默認 |
|
??基礎用法??
# 按大洲和年份透視平均壽命
pivot = pd.pivot_table( df, index='continent', columns='year', values='lifeExp', aggfunc='mean'
)??多維度聚合??
# 同時計算均值和標準差
pivot_multi = pd.pivot_table( df, index='continent', columns='year', values='lifeExp', aggfunc=['mean', 'std']
)??三、關鍵區別總結??
??操作?? | ??輸入?? | ??輸出?? | ??特點?? |
|---|---|---|---|
??聚合(Agg)?? | 每組數據 | ??單個值??（如均值） | 數據維度降低 |
??轉換(Transform)?? | 每組數據 | ??同維度數據??（如Z分數） | 維度不變，支持向量化操作 |
??過濾(Filter)?? | 整組數據 | ??篩選后的組??（如刪除小組） | 按組條件篩選 |
??透視表?? | 全表數據 | ??重組后的聚合表?? | 動態行列分析，支持多級分組 |
??四、最佳實踐??
??分組前預處理??：確保分組字段無缺失值。
??優先內置函數??：如
mean()比自定義循環高效。??透視表替代多重分組??：簡化多維度聚合代碼。
??利用
reset_index()??：將分組索引轉換為列便于后續分析。
示例代碼需結合實際數據文件運行，建議在Jupyter Notebook中逐步練習以加深理解。
講解)
