使用内置统计方法聚合数据
实现数据拆分成组并分别计算平均数的操作
代码：
import pandas as pd
import numpy as np
df = pd.DataFrame({
'key1': ['A', 'A', 'B', 'B', 'A'],
'key2': ['one', 'two', 'one', 'two', 'one'],
'data1': [2, 3, 4, 6, 8],
'data2': [3, 5, np.nan, 3, 7]})
print(df.groupby('key1').mean())
输出结果：
data1 data2
key1
A 4.333333 5.0
B 5.000000 3.0
可以看到的是，如果参与运算的数据中有NaN值，会自动将这些NaN值过滤掉
面向列的聚合方法
当内置方法无法满足聚合要求时，可以自定义一个函数，将它传给agg()方法（pandas 0.20版本后，aggregate()方法与agg()方法用法一样）。
aggregate()方法
aggregate(self, func=None, *args, **kwargs)
上述方法中部分参数表示的含义如下：
- func：表示用于汇总数据的函数，可以为单个函数或函数列表
- axis：表示函数作用于轴的方向，0或1，index或columns
通过aggregate()方法进行聚合时，func参数既可以接受Pandas中的内置方法，也可以接受自定义的函数，同时，这些方法与函数可以作用于每一列，也可以将多个函数或方法作用于同一列，还可以将不同函数或方法作用于不同的列。
对每一列数据应用同一个函数
创建测试对象：
df1 = DataFrame(np.arange(36).reshape(6, 6),
columns=list('abcdef'))
df1['key'] = Series(list('aaabbb'), name='key')
print(df1)
输出结果：
a b c d e f key
0 0 1 2 3 4 5 a
1 6 7 8 9 10 11 a
2 12 13 14 15 16 17 a
3 18 19 20 21 22 23 b
4 24 25 26 27 28 29 b
5 30 31 32 33 34 35 b
接下来对测试对象以“key“列为分组键进行拆分，并通过字典的形式分别打印出每个分组的具体内容。
进行拆分
df1_group = df1.groupby(by='key')
print(dict([i for i in df1_group])['a'])
print(dict([i for i in df1_group])['b'])
输出结果：
a b c d e f key
0 0 1 2 3 4 5 a
1 6 7 8 9 10 11 a
2 12 13 14 15 16 17 a
a b c d e f key
3 18 19 20 21 22 23 b
4 24 25 26 27 28 29 b
5 30 31 32 33 34 35 b
上述过程中，先调用groupby()方法，按key一列的数据将df1对象进行分为a、b两组，然后使用列表推导式（[i for i in df1_group]）遍历分组对象df1_group，得到每个分组的列表，之后将装有分组的列表强转换为字典，其中字典中的键为a和b，字典的值分别为分组的具体内容。之后通过“字典[组名]”的形式，分别查看a、b组数据。
当然也可以用for循环直接两组一起输出
for i in df1_group:
print(i)
输出结果
('a', a b c d e f key
0 0 1 2 3 4 5 a
1 6 7 8 9 10 11 a
2 12 13 14 15 16 17 a)
('b', a b c d e f key
3 18 19 20 21 22 23 b
4 24 25 26 27 28 29 b
5 30 31 32 33 34 35 b)
接下来，对每个分组的数据进行聚合运算。
调用内置的求和方法sum()：
print("sum:\n", df1_group.aggregate(sum))
输出结果：
sum:
a b c d e f
key
a 18 21 24 27 30 33
b 72 75 78 81 84 87
自定义一个实现求极差值（极差值 = 最大值 - 最小值）的函数，然后将其作为参数传入aggregate()方法中：
def range_df1_group(arr):
return arr.max() - arr.min()
print("极差值:\n", df1_group.aggregate(range_df1_group))
输出结果：
极差值:
a b c d e f
key
a 12 12 12 12 12 12
b 12 12 12 12 12 12
对某列数据应用不同的函数
如今要求不仅要求出每组数据的极差，还要计算出每组数据的和。这是可将两个函数的名称放在列表中，之后在调用aggregate()方法聚合时作为参数传入即可。
代码实现：
print("sum and 极差值:\n", df1_group.aggregate(func=[sum, range_df1_group]))
输出结果：
sum and 极差值:
a b ... e f
sum range_df1_group sum ... range_df1_group sum range_df1_group
key ...
a 18 12 21 ... 12 33 12
b 72 12 75 ... 12 87 12
[2 rows x 12 columns]
从输出结果可以看出，生成的DataFrame对象具有两层索引，每个外层列索引包含两个内层列索引，分别以函数的名称range_df1_group和sum命名。
虽然每一列可以应用不同的函数，但是结果并不能很直观地辨别出每个函数代表的意义。为了更好地反映出每列对应地数据的信息， 可以使用“(name，function)”元组将function（函数名）替换为name（自定义名称）。
代码实现：
print("极差值 and sum:\n",
df1_group.aggregate([("极差", range_df1_group), ("和", sum)]))
输出结果：
极差值 and sum:
a b c d e f
极差 和 极差 和 极差 和 极差 和 极差 和 极差 和
key
a 12 18 12 21 12 24 12 27 12 30 12 33
b 12 72 12 75 12 78 12 81 12 84 12 87
区别其实就是不会出现列名过长导致的无法显示全的问题了
对不同列数据应用不同函数
如果希望实现对不同列数据应用不同函数，咋可以在aggregate()方法中传入一个{“列名”：“函数名”}格式的字典。
代码实现：
print("综合:\n",
df1_group.aggregate({
'a': 'sum', 'b': range_df1_group, 'c': 'mean'})
输出结果：
综合:
a b c
key
a 18 12 8
b 72 12 26
上例中，使用不同的函数对每个分组执行聚合运算，其中a列执行求和运算，b列执行求极差计算，c列执行求平均值计算。自定义函数不需要加引号。
aggregate()方法执行聚合操作时，会将一组标量值参与某些运算后转换为一个标量值。