pandas数据聚类和分组（一）

⼀、分组1.groupby

obj.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)# 返回⼀个pandas分组可迭代对象，包含（name,group）两个要素，可以是否for循环迭代输出by:fuction:计算obj的index进⾏分组；　　　　 str|strs:使⽤obj的columns进⾏分组

　　　　　dict|Series：key和索引相匹配，使⽤vlues进⾏分组axis:0|1代表按照⾏还是列进⾏分组

level:levelnum|levelname,适⽤于多级索引情况下，按照指定的索引进⾏分组

as_index:True使⽤分组标签作为索引，不作为索引，⽽是作为⼀列，类似于excel数据透视表中的填充⾏。sort：保留原来⾏的顺序

group_keys:True当调⽤apply时保留分组名称，False不保留分组的名称

# grouped数据可以使⽤列名【‘列名’】来去除该列数据然后再对该列进⾏聚类分析计算⼆、聚类

grouped.quantile(0.9):寻找九分位grouped.count():统计分组的个数grouped.sum()：对分组数据进⾏求和grouped.mean()：对分组数据进⾏平均值grouped.describe():对分组数据进⾏简单统计描述

grouped.agg(functon):对分组数据按照function进⾏聚类，function可以是⼀个列表，代表使⽤多种⽅法进⾏聚类分析计算，列名为function名称；　　　　　　　　　　如果想⽤其他 名称替换function的名称做为列名，可以使⽤列表+元组，（altername,functionname）;⽰例：grouped['tip_pct','total_bill'].agg([('Durchschnitt', 'mean'), ('Abweichung', np.var)])

　　　　　　　　　　如果想对不同的列使⽤不同的⽅法，可以使⽤字典的形式，{列名：【func1,func2】}⽰例：grouped.agg({'tip_pct' : ['min', 'max',

'mean', 'std'],'size' : 'sum'})

grouped.apply(function,args):适⽤于有参数的function,可以将function的参数作为apply的参数传⼊，或者使⽤lambda函数。agg应⽤于⽆参数函数如min,max,count,np.var等聚合函数agg和apply的区别：agg聚合只不过是分组运算的其中⼀种⽽已。它是数据转换的⼀个特例，也就是说，它接受能够将⼀维数组简化为标量值的函数。apply更普遍如排序，分组，计算，聚合。