类似SQL：
select city,max(temperature) from city_weather group by city;

groupby：先对数据分组，然后在每个分组上应用聚合函数、转换函数
本次演示：
一、分组使用聚合函数做数据统计
二、遍历groupby的结果理解执行流程
三、实例分组探索天气数据
四、工程实践groupby的test

1、创建数据和导入包

  1. import pandas as pd
  2. import numpy as np
  3. # 加上这一句，能在jupyter notebook展示matplot图表
  4. %matplotlib inline
  6. df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
  7.                    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
  8.                    'C': np.random.randn(8),
  9.                    'D': np.random.randn(8)})

2、分组使用聚合函数做数据统计

image.png
image.png
image.png

3、遍历groupby的结果理解执行流程

image.png
image.png

4、实例分组探索天气数据

  1. fpath = "./datas/beijing_tianqi/beijing_tianqi_2018.csv"
  2. df = pd.read_csv(fpath)
  3. # 替换掉温度的后缀℃
  4. df.loc[:, "bWendu"] = df["bWendu"].str.replace("℃", "").astype('int32')
  5. df.loc[:, "yWendu"] = df["yWendu"].str.replace("℃", "").astype('int32')
  6. df.head()
  7. # 新增一列为月份
  8. df['month'] = df['ymd'].str[:7]
  9. df.head()

  • 1、查看每个月的最高温度

    1. data = df.groupby('month')['bWendu'].max()
    2. data
    3. data.plot()#绘图

  • 2、查看每个月的最高温度、最低温度、平均空气质量指数

    1. group_data = df.groupby('month').agg({"bWendu":np.max, "yWendu":np.min, "aqi":np.mean})
    2. group_data.plot()

    image.png

5、工程实践groupby的test1

image.png

6、test2-as_index参数将分组结果标签加入到DataFrame中

image.png
image.png
————————————————
参考资料：https://blog.csdn.net/qq_41706810/article/details/105960139