Python之groupby()及aggregate()方法

数据准备

import pandas as pd
df = pd.read_csv(r'titanic_train.csv')
print(df)

df.describe()

pandas中提供了一个非常方便的方法df.describe()，来列出常用的统计值，包括：计数值（count），平均值（mean），标准差(std)，最小值(min)，最大值(max)等。

import pandas as pd
df = pd.read_csv(r'titanic_train.csv')
print(df.describe())

思考1

如果我现在想看按性别分组之后的describe()该怎么办呢？

print(df.groupby('Sex').describe().unstack())

分组 pd.groupby()

当我们直接使用统计值时，可以知道整体状况，比如所有人的年龄的平均值，但是比如我们想要知道：男性和女性的年龄分别是多少。这时我们就需要使用 pd.groupby(). pd.groupby() 的工作原理就是：分割，应用，组合。

计算按性别分组后，乘客年龄的平均值

print(df.groupby('Sex')['Age'].mean())

思考2

如果我现在想计算按性别分组后，乘客年龄的平均值，最大值，最小值，该怎么做呢？

print(df.groupby('Sex')['Age'].aggregate(['mean','min','max']))

df.aggregate()

计算按性别分组后，乘客获救的总数及船费的最大值

print(df.groupby('Sex').aggregate({'Survived': 'sum', 'Fare': 'max' }))

思考1

现在我们思考一个问题，其实groupby()及aggregate()方法很像我们使用的sql,可以进行各种分组聚合操作，那where呢？如何在pandas中实现where呢？这就要使用到filter()函数。
第一种情况：假如我们的样本（即数据集）现在只要年龄>70岁的乘客，该怎么操作呢？

### 方法1
print(df.loc[df.Age >70 ,df.columns]) 
### 方法2
print(df[df.Age >70])