pandas，groupby

在Pandas中，社交領域將用戶根據畫像（性別、年齡）進行細分，研究用戶的使用情況和偏好等主要運用groupby完成。

Groupby的基本原理：

在pandas中，實現分組操作的代碼很簡單，僅需一行代碼，在這裏，將上面的數據集按照company字段進行劃分：

In [5]: group = data.groupby("company")

將上述代碼輸入ipython後，會得到一個DataFrameGroupBy對象

In [6]: group

Out[6]: <pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002B7E2650240>

那這個生成的DataFrameGroupBy是啥呢？對data進行了groupby後發生了什麼？ipython所返回的結果是其內存地址，並不利於直觀地理解，爲了看看group內部究竟是什麼，這裏把group轉換成list的形式來看：

In [8]: list(group)

Out[8]:

[('A',   company  salary  age

  3       A      20   22

  6       A      23   33), 

 ('B',   company  salary  age

  4       B      10   17

  5       B      21   40

  8       B       8   30), 

 ('C',   company  salary  age

  0       C      43   35

  1       C      17   25

  2       C       8   30

  7       C      49   19)]

轉換成列表的形式後，可以看到，列表由三個元組組成，每個元組中，第一個元素是組別（這裏是按照company進行分組，所以最後分爲了A,B,C），第二個元素的是對應組別下的DataFrame，整個過程可以圖解如下：

總結來說，groupby的過程就是將原有的DataFrame按照groupby的字段（這裏是company），劃分爲若干個分組DataFrame，被分爲多少個組就有多少個分組DataFrame。所以說，在groupby之後的一系列操作（如agg、apply等），均是基於子DataFrame的操作。