pandas，groupby

在Pandas中，社交領域將使用者根據畫像（性別、年齡）進行細分，研究使用者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，實現分組操作的程式碼很簡單，僅需一行程式碼，在這裡，將上面的資料集按照company欄位進行劃分：

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

將上述程式碼輸入ipython後，會得到一個DataFrameGroupBy物件

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所返回的結果是其記憶體地址，並不利於直觀地理解，為了看看group內部究竟是什麼，這裡把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（這裡是按照company進行分組，所以最後分為了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的欄位（這裡是company），劃分為若干個分組DataFrame，被分為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。