• groups
• get_group
• 迭代遍历

df_2 = pd.DataFrame({'X': ['A', 'B', 'A', 'B'], 'Y': [1, 4, 3, 2]})
df_2

1. 使用 groups方法可以看到所有的组

df_2.groupby("X").groups

{'A': Int64Index([0, 2], dtype='int64'),
 'B': Int64Index([1, 3], dtype='int64')}

2. 使用get_group方法可以访问到指定的组

df_2.groupby("X", as_index=True).get_group(name="A")

注意，get_group方法中，name参数只能传递单个str，不可以传入list，尽管Pandas中的其他地方常常能看到这类传参。如果是多列做主键的拆分，可以传入tuple。

3. 迭代遍历

for name, group in df_2.groupby("X"):
    print(name)
    print(group,"\n")

A
   X  Y
0  A  1
2  A  3 

B
   X  Y
1  B  4
3  B  2 

​

这里介绍一个小技巧，如果你得到一个<pandas.core.groupby.groupby.DataFrameGroupBy object对象，想要将它还原成其原本的 dataframe ，有一个非常简便的方法值得一提:

gropbyed_object.apply(lambda x: x)

囿于篇幅，就不对API逐个解释了，这里仅指出最容易忽视也最容易出错的三个参数

Part 2: Apply 阶段详解

拆分完成后，可以对各个组做一些的操作，总体说来可以分为以下四类：

• aggregation
• apply
• transform
• filter

先总括地对比下这四类操作

1. 任何能将一个Series压缩成一个标量值的都是agg操作，例如求和、求均值、求极值等统计计算
2. 对数据框或者groupby对象做变换，得到子集或一个新的数据框的操作是apply或transform
3. 对聚合结果按标准过滤的操作是filter

apply 和 transform有那么一点相似，下文会重点剖析二者

Talk 4：agg VS apply

agg和apply都可以对特定列的数据传入函数，并且依照函数进行计算。但是区别在于，agg更加灵活高效，可以一次完成操作。而apply需要辗转多次才能完成相同操作。

df_3 = pd.DataFrame({"name":["Foo", "Bar", "Foo", "Bar"], "score":[80,80,95,70]})
df_3

我们需要计算出每个人的总分、最高分、最低分

（1）使用apply方法

df_3.groupby("name", sort=False).score.apply(lambda x: x.sum())

name
Foo    175
Bar    150
Name: score, dtype: int64

df_3.groupby("name", sort=False).score.apply(lambda x: x.max())

name
Foo    95
Bar    80
Name: score, dtype: int64

df_3.groupby("name", sort=False).score.apply(lambda x: x.min())

name
Foo    80
Bar    70
Name: score, dtype: int64

显然，我们辗转操作了3次，并且还需要额外一次操作（将所得到的三个值粘合起来）

（2）使用agg方法

df_3.groupby("name", sort=False).agg({"score": [np.sum, np.max, np.min]})

小结 agg一次可以对多个列独立地调用不同的函数，而apply一次只能对多个列调用相同的一个函数。

Talk 5：transform VS agg

transform作用于数据框自身，并且返回变换后的值。返回的对象和原对象拥有相同数目的行，但可以扩展列。注意返回的对象不是就地修改了原对象，而是创建了一个新对象。也就是说原对象没变。

df_4 = pd.DataFrame({'A': range(3), 'B': range(1, 4)})
df_4

df_4.transform(lambda x: x + 1)

可以对数据框先分组，然后对各组赋予一个变换，例如元素自增1。下面这个例子意义不大，可以直接做变换。

df_2.groupby("X").transform(lambda x: x + 1)

下面举一个更实际的例子

df_5 = pd.read_csv(r"dataset\tips.csv")
df_5.head()

现在我们想知道每天，各数值列的均值
对比以下 agg 和 transform 两种操作

df_5.groupby("day").aggregate("mean")

df_5.groupby('day').transform(lambda x : x.mean()).total_bill.unique()

array([21.41      , 20.44137931, 17.68274194, 17.15157895])

观察得知，两种操作是相同的，都是对各个小组求均值。所不同的是，agg方法仅返回4行（即压缩后的统计值），而transform返回一个和原数据框同样长度的新数据框。

Talk 6：transform VS apply

transform 和 apply 的不同主要体现在两方面：

1. apply 对于每个组，都是同时在所有列上面调用函数；而 transform 是对每个组，依次在每一列上调用函数
2. 由上面的工作方法决定了：apply 可以返回标量、Series、dataframe——取决于你在什么上面调用了apply 方法；而 transform 只能返回一个类似于数组的序列，例如一维的 Series、array、list，并且最重要的是，要和原始组有同样的长度，否则会引发错误。

【例子】通过打印对象的类型来对比两种方法的工作对象

df_6 = pd.DataFrame({'State':['Texas', 'Texas', 'Florida', 'Florida'], 
                   'a':[4,5,1,3], 'b':[6,10,3,11]})
df_6

def inspect(x):
    print(type(x))
    print(x)

df_6.groupby("State").apply(inspect)

<class 'pandas.core.frame.DataFrame'>
     State  a   b
2  Florida  1   3
3  Florida  3  11
<class 'pandas.core.frame.DataFrame'>
     State  a   b
2  Florida  1   3
3  Florida  3  11
<class 'pandas.core.frame.DataFrame'>
   State  a   b
0  Texas  4   6
1  Texas  5  10

从打印结果我们清晰地看到两点：apply 每次作用的对象是一个 dataframe，其次第一个组被计算了两次，这是因为pandas会通过这种机制来对比是否有更快的方式完成后面剩下组的计算。

df_6.groupby(