Pandas中数据的分组：分组->处理->合并

对数据进行分组操作，往往是为了对数据做进一步的处理。一般情况下，会按照以下的步骤，对数据进行操作：

将数据按照一定的条件进行分组；
使用特定的方法，对各组数据进行处理；
将结果重新合并为一组数据。

在对分组后数据进行处理时，通常会有以下几种方式：

聚合： 对每组数据进行汇总统计。例如：求每组数据的和、均值；又或是统计每组数据的个数。
转化： 通常是将数据按照特定的步骤进行处理。例如：将数据组进行标准化；又或者是利用每组数据的均值填充NA值。
过滤： 根据规则过滤掉某些组。例如：将含有NA值的数据归为一组并丢弃。

当然，也可以是以上多种处理方式的混合，例如：求出每组数据的均值，然后根据均值过滤掉某些不满足条件的数据组。

1. 将Pandas中的对象分组

在Pandas中，可以使用groupby()方法对Pandas对象在任意轴向上进行分组，并生成一个GroupBy对象。先用DataFrame对象做个简单的演示：

df = pd.DataFrame(
    [
        ('男', '软件01', 18, 172.5, 64.3),
        ('女', '软件01', 18, 163.2, 45.6),
        ('女', '软件01', 17, 159.8, 43.8),
        ('男', '软件02', 18, 178.5, 78.2),
        ('男', '软件02', 19, 187.2, 89.5)
    ],
    index=['张三', '李四', '王五', '赵六', '陈七'],
    columns=['性别', '班级', '年龄', '身高', '体重']
)

使用groupby()进行分组：

In [2]: grouped = df.groupby('性别')
        grouped

运行代码之后，会得到一个DataFrameGroupBy对象：

Out[2]: <pandas.core.groupby.generic.DataFrameGroupBy object at 0x10f662cd0>

让我们将这个DataFrameGroupBy对象转换为List，看看分组之后的结果是什么样的：

In [3]: list(grouped)

Out[3]: [('女',
             性别    班级  年龄     身高    体重
           李四  女  软件01  18  163.2  45.6
           王五  女  软件01  17  159.8  43.8),
         ('男',
             性别    班级  年龄     身高    体重
           张三  男  软件01  18  172.5  64.3
           赵六  男  软件02  18  178.5  78.2
           陈七  男  软件02  19  187.2  89.5)]

可以看到，转换出的List中含有两个元组，每个元组中含有两个元素。第一个元素是组别，因为我们按照性别列进行的分组，所以最终的结果是男、女两组。第二个元素是对应组别下的子DataFrame