GroupBy針對DataFrame將其按照某個準則分組

1.常見的調用形式為：

df[‘a‘].GroupyBy(df[‘b‘])

df.GroupyBy(df[‘b‘,‘c‘])#層次化的索引

df.GroupyBy([‘b‘,‘c‘])#直接將columns名稱作為索引鍵進行索引

以上可理解為將Series作為分組鍵，y此外還可以將任何適當長度的array作為分組鍵，目前未嘗試過

2.常用的方法：

df.GroupyBy(df[‘b‘]).mean()#非數值列數據直接跳過
df.GroupyBy(df[‘b‘]).size()#返回一個分組的大小的Series（每個值對應的是當前鍵元素的個數）
 

3.舉例GroupyBy的應用：

如給出的csv文件中columns包含[‘City‘,‘State‘,‘Population‘],讓求出每個州所有城市人口的平均值，此時就可以用

df[‘population‘].GroupBy([‘State‘]).mean()

註：GroupyBy函數說明在http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.groupby.html#pandas.DataFrame.groupby

Apply函數-可針對DataFrame和Series操作，返回是DataFrame和Series

1.理解：apply將他應用的對象拆分到小一級，然後讓拆分後的每個子部分去實施apply括號內的函數操作，再把操作後的結果合在一起

2.apply可以說是非常常用，這裏只說一個基本的用例，連帶理解了lambda的用法

energy[‘Energy Supply‘]=energy[‘Energy Supply‘].apply(lambda x : x*1000000)

註：Apply函數說明 http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.apply.html#pandas.DataFrame.apply

GroupBy,Apply用法筆記