Python 数据分析三剑客之 Pandas（六）：GroupBy 数据分裂/应用/合并
内容提要
本文介绍了Pandas库中的GroupBy机制，强调数据分裂、应用和合并的过程。通过groupby()方法，可以对数据进行分组并应用聚合函数，如mean和count。还讨论了自定义分组和对不同列应用不同函数的技巧，以灵活满足分析需求。
延伸解读
GroupBy 核心机制：分裂-应用-合并
Pandas 的 GroupBy 功能借鉴了 R 语言中 Hadley Wickham 提出的“分裂-应用-合并”理念。分裂指根据某些标准将数据分组；应用指对每个组独立应用一个函数；合并指将各组的计算结果整合起来。这一机制是数据分析中分组统计和生成透视表的基础，理解它有助于灵活处理各类分组任务。
GroupBy 对象的创建与惰性求值
通过 Series.groupby 或 DataFrame.groupby 可以创建 GroupBy 对象。该对象并不立即进行计算，而是保存了分组所需的中间数据，如分组键。只有调用聚合方法（如 mean、size）时才会触发实际运算。这种惰性求值特性使得 GroupBy 对象可以复用，并支持迭代、转换为列表或字典等操作。
灵活的分组方式：从内置到自定义
groupby() 支持多种分组依据：可以按列名、列名列表、字典、函数或索引层级进行分组。例如，传入字典可以按列映射分组，传入函数可以按索引长度分组，使用 level 参数可以按 MultiIndex 的层级分组。这些方式让用户能根据实际数据结构和分析需求灵活定义分组规则。
聚合操作：内置函数与自定义函数
GroupBy 对象支持丰富的内置聚合函数，如 count、mean、min、max、sum、describe 等。若内置函数不满足需求，可以通过 agg() 方法传入自定义函数，甚至使用字典对不同列应用不同的聚合函数。这为复杂的数据汇总提供了高度灵活性，例如同时计算某列的均值和最大值，另一列的总和。
Q&A
Pandas中的GroupBy机制是什么？
GroupBy机制包括数据分裂、应用和合并的过程，通常用于对数据集进行分组并计算统计信息。
如何使用groupby()方法进行数据分组？
可以通过Series.groupby或DataFrame.groupby方法，传入分组依据的参数进行数据分组。
在GroupBy中可以使用哪些聚合函数？
常用的聚合函数包括count、mean、min、max等，可以对分组后的数据进行计算。
如何对不同列应用不同的聚合函数？
可以使用字典将不同的聚合函数映射到不同的列，例如{'data1':'mean', 'data2':'sum'}。
GroupBy对象支持哪些分组方式？
GroupBy对象支持按类型、列或自定义键进行分组，灵活满足分析需求。
如何自定义聚合函数并应用于GroupBy？
可以定义一个自定义函数，并通过GroupBy.agg()方法将其应用于分组数据。
