2.2.5 聚合函数groupby

pandas的聚合函数 groupby 和mysql中的 group by 类似，但是mysql不支持分组排名

import pandas as pd 
df = pd.read_csv('DataAnalyst.csv')
df.head()
# 分组df.groupby
- df.groupby(by='city')，运行后表明存到了内存里，是对城市进行了聚合
- 调用count这个方法（函数），就是分组后计数；count换成max/min得到上海最高/底薪资
df.groupby(by='city').count()
df.avg.value_counts()    #类似mysql中分组之后计数
# 两个等价
df.groupby(by='city')['avg'].max()
df.groupby(by='city').avg.max()
# 对city、workYear进行聚合，取出平均薪资；这种形式在pandas中叫做多重索引
df.groupby(by=['city','workYear']).mean()  
# 5000多行的一个数据框，groupby之后拆成了10几个数据框，使用for循环，一次一次打印，打印十几次，打印出来的是一个元组形式。
for k in df.groupby(by='city'):
    print(k)
# 对每个数据框进行计数
for k in df.groupby(by='city'):
    print(len(k[1]))
# 元组的方式不方便，所以for循环里一开始打印两个k,v；k对应聚合的元素就是城市；v对应一个个数据框
for k,v in df.groupby(by='city'):
    print(k)
    print(v)
# 不同城市之间，最高薪资和最低薪资各是多少
for k,v in df.groupby(by='city'):
    print(max(v.avg),min(v['avg']))
    print('**'*10)
#不同城市之间，最高薪资和最低薪资的差距是多少
for k,v in df.groupby(by='city'):
    print(max(v.avg)-min(v['avg']))
    print('**'*10)        #这行只是为了容易区分各个城市的差距
通过for循环，把分组之后的明细数据打印出来，然后对它进行一个加工。
这个方法可能不是最简单的，因为groupby分组之后，后边还有apply函数更好用。