数据分组 Groupby
数据有关键词、每个数据带有特定类别？我们怎样可以快速找到对应的类别，聚类分析？
Pandas 中就有提供这样便捷的功能，groupby()。简单来说，groupby 就是提前帮你准备好快筛功能， 在你想要筛选特定数据的时候，快速帮你找到对应的数据块。 而且还可以针对不同 group 做不同的数据处理。
本节要涉及的功能：
- 分组
df.groupby(); grouped.groups; grouped.get_group()
- 调用分好的组
grouped.first(); grouped.last()
- 循环处理
- 多从分组
- 聚合计算
grouped.agg()
分组¶
对于 groupby() 最核心的功能，自然就是将可以被归纳的数据进行归纳汇总。
比如我有上面这组数据，描述了每个人对人物的评价。这组数据的形成可能就是一段时间内，收集了不同人对各种人物的评价，所以它的组织顺序会比较乱。 好在我们还可以用 groupby 来重组。
上面我们就获取了 Pandas 当中的 group 类，再看看这个 grouped 当中究竟是怎么组织我们的数据的。
你会发现，它保存的其实是不同 人
的 row index, 这样后面重新在找 group 组的时候，可以快速用 index 找到对应行。 要直接获取不同的 人
组，我们看看怎么搞？
对，上面的确是一种我们用以前学的知识就能找到的办法，不过 懒人工具
pandas 怎么能让我们这么费力呢？ 所以它直接能在 grouped 的基础上，get_group()。
你看，这上下两种方法其实可以达到一样的效果。
调用分好的组¶
除了 grouped.get_group()，其实还有更多方式来获取到分好的组，应对你不同的应用需求。 而这些不同的筛选方法，其实本质还是在对 grouped.groups 中的 index 进行操作的一个过程。 比如如果我要选第一个数据，pandas 就会调用 groups 里面的第一个 index。
注意，它会返回给你每一个组的第一个数据，而如果我要找最后一个，也是同样的逻辑。
甚至你还可以做一些聚合操作，比如对每一个组里面的数据进行 sum, mean 等操作。你可以在下面的执行区都试试。
循环处理¶
有时候你想要对组进行循环处理，通过一个循环最所有组统一操作一下。那你需要注意一下这个 grouped 的循环，会带着两个字段做循环。 一个是组名，一个是组数据。
多从分组¶
数据真的很多，在不同分组后，我们还想对另一 column 的值也进行分组？ 比如小红今天再看了一遍雷神，觉得雷神今年的表现不错，对雷神做了一次新的高分评价。
这时，小红数据中就会有两次雷神的评价了。如果这类的事情发生很多，我们也可以深入划分一下细分领域的组信息。 比如我按照 人
和 人物
进行分组，而且选择 小红
的 雷神
评分进行查看。
聚合计算¶
对选出来的数据，有时候你并不仅仅只是为了用眼直接看，你还想要对筛选出来的数据进行统计学上的运算。比如上面我举的 grouped.sum() 这个例子。
如果你想要对数据一次性做更多的计算，你可以多加几个要计算的操作在后面，比如 [sum, mean, std]，注意下面的 .agg() 其实是 .aggregate() 的缩写， 它俩是一样的。下面我们就对每组的 评价
指标进行一次性的多种运算。
还有一个小技巧，如果你不喜欢用英文表达，或者你想要用另外一个名字来描述 column，你可以用 rename 来重新命名。
总结¶
我以前在用 Excel 的时候（查 log），经常会用分组来筛选观看数据，现在如果我有了固定的需求， 我完全可以将这些手动 Excel 查 log 的行为自动化到 Python 让它自动帮我完成。你在有同样需求的情况下，也要记得考虑能否用 Pandas 来帮你减负哦。
