pandas 索引和分组
索引和分组
索引
行索引
列索引
索引的分类
重复索引的处理
重复索引
层次化索引
可以使数据在一个轴上有多个索引级别。即可以用二维的数据表达更高维度的数据，使数据组织方式更清晰。它使用 pd.MultiIndex 类来表示。
Series 多层索引
DataFrame 多层索引
索引交换及排序
按照索引级别进行统计
索引与列的转换
分组计算
分组计算三步曲：拆分 -> 应用 -> 合并
拆分：根据什么进行分组？
应用：每个分组进行什么样的计算？
合并：把每个分组的计算结果合并起来
对 Series 进行分组
对 DataFrame 进行分组
通过字典分组
通过函数来分组
当函数作为分组依据时，数据表里的每个索引（可以是行索引，也可以是列索引）都会调用一次函数，函数的返回值作为分组的索引，即相同的返回值分在同一组。
多级索引数据根据索引级别来分组
数据聚合
分组运算，先根据一定规则拆分后的数据，然后对数据进行聚合运算，如前面见到的 mean(), sum() 等就是聚合的例子。聚合时，拆分后的第一个索引指定的数据都会依次传给聚合函数进行运算。最后再把运算结果合并起来，生成最终结果。
聚合函数除了内置的 sum(), min(), max(), mean() 等等之外，还可以自定义聚合函数。自定义聚合函数时，使用 agg() 或 aggregate() 函数。
内置聚合函数
自定义聚合函数
应用多个聚合函数
给不同的列应用不同的聚合函数
使用 dict 作为参数来实现
重置索引
分组运算和转换
groupby 是特殊的分组运算。更一般的分组运算包括 “拆分 - 应用 - 合并”。这里介绍 transform() 和 apply() 来实现分组运算
transform
apply 函数
我们介绍过 DataFrame 的 apply 函数是逐行或逐列来处理数据。GroupBy 的 apply 函数对每个分组进行计算