Pandas如何进行数据分组统计

在Pandas中，可以使用groupby()方法对数据进行分组，并使用聚合函数（如sum(), mean(), count()等）进行统计。以下是一个简单的示例：

首先，确保已经安装了pandas库。如果没有，请使用以下命令安装：

pip install pandas

然后，创建一个简单的DataFrame：

import pandas as pd

data = {'Category': ['A', 'B', 'A', 'B', 'A', 'B', 'A', 'A'],
        'Values': [10, 20, 30, 40, 50, 60, 70, 80]}

df = pd.DataFrame(data)
print(df)

输出：

  Category  Values
0        A      10
1        B      20
2        A      30
3        B      40
4        A      50
5        B      60
6        A      70
7        A      80

接下来，使用groupby()方法按Category列进行分组，并使用sum()函数计算每个组的Values列之和：

grouped = df.groupby('Category')['Values'].sum()
print(grouped)

输出：

Category
A    240
B    120
Name: Values, dtype: int64

还可以使用多个聚合函数进行分组统计。例如，计算每个组的Values列之和、平均值和计数：

grouped = df.groupby('Category')['Values'].agg(['sum', 'mean', 'count'])
print(grouped)

输出：

          sum  mean  count
Category                  
A         240  30.0      4
B         120  20.0      4

此外，还可以使用as_index=False参数将分组列保留在结果DataFrame中：

grouped = df.groupby('Category', as_index=False)['Values'].sum()
print(grouped)

输出：

  Category  Values
0        A     240
1        B     120

这就是Pandas中进行数据分组统计的基本方法。可以根据需要使用不同的聚合函数和参数进行更复杂的分组统计。