python数据分析-数据分组聚合（一）-分组

又开始我的好好学习之旅，今天学习数据分析！

今天要学数据分组和聚合，分组统计在数据分析中运用的比较多，还有数据透视表也是数据分析必备的技能，今天来get一下~

1.数据源

数据源：Python第三方库seaborn（用于绘图）中自带的数据

import numpy as np
from pandas import Series,DataFrame
import pandas as pd
import seaborn as sns
tips = sns.load_dataset('tips')
tips.head()

之前调用这个库都是好好的，今天出现了报错

URLError: <urlopen error [Errno 60] Operation timed out>

大概知道是超时的问题，但是百度了半天没找到原因，有人知道一定要告诉我哇~

只好想别的办法解决这个问题啦~
遇到不会的习惯用？？来查看下是不是用错方法了，然后发现这个数据集都在
https://github.com/mwaskom/seaborn-data

找到小费数据：
https://github.com/mwaskom/seaborn-data/blob/master/tips.csv
用pd.read_html获取数据

df = pd.read_html('https://github.com/mwaskom/seaborn-data/blob/master/tips.csv')
tips=df[0]
tips.head()

这个方法返回的是个列表，所以只要取tips[0]，就说所需要的数据了

嘤嘤嘤，怎么多了一个“Unnamed: 0”，删掉！

tips = tips.drop('Unnamed: 0',axis=1)
tips.head()

搞定！拿到了数据！就是不知道为什么会报错很难受(╯﹏╰)

2.GroupBy

对源数据按照性别进行分组，发现返回的是一个对象，对该对象调用mean方法即可返回数据

grouped = tips['tip'].groupby(tips['sex'])
grouped.mean()

同样可以通过多个分组键进行分组聚合计算，比如通过day和time计算小费的平均值。

用plot绘制下，可以快速看出数据特点

之前通过
tips.loc[tips['sex']=='Male','tip'].head()
tips.loc[tips['sex']=='Female','tip'].head()

可以分别查看数据情况
其实groupby对象是可迭代的，其构造为一组二元组，groupby由分组名和数据片构成

for name,group in tips.groupby(tips['sex']):
    print(name)
    print(group)

2.1GroupBy按照列名分组

之前的groupby的分组键是Series（tips[‘sex’]），其实groupby的分组键还能支持其他格式，如列索引的列名，但是列名必须是分组的对象的列名，不然会检索不到报错。

for name,group in tips.groupby(tips['sex']):
    print(name)
    print(group)

如果我们不需要这么多列df数据，只想要tip列，通过索引选取即可。但是groupby对象也可通过索引获取tip列，程序员小哥哥们叫他【语法糖】，好可爱的叫法。去查了下：
语法糖就是程序语言中提供[奇技淫巧]的一种手段和方式而已。 通过这类方式编写出来的代码，即好看又好用,好似糖一般的语法。固美其名曰：语法糖

2.2GroupBy按照列表或元组分组

分组键还可以是长度适当的列表和元组，长度是指与待分组的df的行数是一样的！其实就是把列表或者元组当做一列进行分组。

2.2GroupBy按照字典分组

df = DataFrame(np.random.normal(size=(6,6)),
                           index=['a','b','c','A','B','C'])
dic1 = {
    'a':'one',
    'A':'one',
    'b':'two',
    'B':'two',
    'c':'three',
    'C':'three'
}
df.groupby(dic1).sum()

2.2GroupBy按函数分组

其实按照函数分组就是按照列表或字典分组，只不过会更加灵活

df = DataFrame(np.random.randn(4,4))
def zf(x):
   if x >= 0:
       return 'a'
   else:
       return 'b'
df[1].map(zf)
df[1].groupby(df[1].map(zf)).sum()

层次化索引，可以直接写level=1来进行分组，还可以按照列进行索引

df = DataFrame(np.arange(16).reshape(4,4),
             index=[['a','a','b','b'],['aa','bb','aa','bb']],
             columns=[['one','one','two','two'],['oo','tt','oo','tt']])
df