python pandas groupby之后再怎么使用？IPython和python并置。也就是說(shuō)：您當(dāng)前在python shell中，退出。返回到CMD或terminal，然后IPython--p

python pandas groupby之后再怎么使用？

IPython和python并置。

也就是說(shuō)：您當(dāng)前在python shell中，退出。返回到CMD或terminal，然后IPython--pylab就可以了

panda提供了一個(gè)靈活高效的groupby函數(shù)，使您能夠以自然的方式對(duì)數(shù)據(jù)集進(jìn)行切片、分塊和匯總?；谝粋€(gè)或多個(gè)鍵（可以是函數(shù)、數(shù)組或數(shù)據(jù)幀列名）拆分panda對(duì)象。計(jì)算組摘要統(tǒng)計(jì)信息，例如計(jì)數(shù)、平均值、標(biāo)準(zhǔn)差或用戶定義的函數(shù)。對(duì)數(shù)據(jù)幀的列應(yīng)用各種函數(shù)。應(yīng)用組內(nèi)變換或其他操作，例如歸一化、線性回歸、排序或子集選擇。計(jì)算數(shù)據(jù)透視表或交叉表。分位數(shù)分析和其他分組分析。R 1。首先，讓我們看一下以下非常簡(jiǎn)單的表格數(shù)據(jù)集（以數(shù)據(jù)幀的形式）：
123456789101112
Import panda as PD>>>；DF=pd.數(shù)據(jù)幀（{“key1”：[“a”，“a”，“b”，“b”，“a”]。。?！版I2”：[“1”，“2”，“1”，“2”，“1”]。。?！皵?shù)據(jù)1”：np.random.隨機(jī)(5)，... “數(shù)據(jù)2”：np.random.隨機(jī)（5） }）>> DF data1 data2 key1 key20-0.410673 0.519378 a One1-2.120793 0.199074 a two2 0.642216-0.143671 B one3 0.975133-0.592994 B two4-1.017495-0.530459 a one grouped=DF[“data1”].groupby（DF[“key1”]）>>