1. Name Brand Cloth Count

2. girl uniql sweater 3

3. girl etam suit 1

4. girl etam pants 1

5. girl lagogo jacket 2

6. boy pants 2

7. boy hailan t-shirt 1

8. mother hengyuanxiang coat 2

9. mother hengyuanxiang sweater 1

10. mother coat 1

11. father hailan t-shirt 2

12. father hailan sweater 1

13. father hailan pants 3

本文資料來源如上，Name:在家庭中的身份， Brand:衣服品牌， ClothType：衣服數量，Count:衣服數量

import pandas as pd

data=pd.read_excel('testdata.xlsx')

如果是csv檔案：

import pandas as pd

data=pd.read_csv('testdata.csv',sep=',')

檢視data的內容：

1. data

2. Out[1]: 

3.       Name          Brand    Cloth  Count

4. 0     girl          uniql  sweater      3

5. 1     girl           etam     suit      1

6. 2     girl           etam    pants      1

7. 3     girl         lagogo   jacket      2

8. 4      boy            NaN    pants      2

9. 5      boy         hailan  t-shirt      1

10. 6   mother  hengyuanxiang     coat      2

11. 7   mother  hengyuanxiang  sweater      1

12. 8   mother            NaN     coat      1

13. 9   father         hailan  t-shirt      2

14. 10  father         hailan  sweater      1

15. 11  father         hailan    pants      3

獲取列名：

1. data.columns

2. Out[2]: Index(['Name', 'Brand', 'Cloth', 'Count'], dtype='object')

3. data.columns[0]

4. Out[2]: 'Name'

5. data.columns[1]

6. Out[3]: 'Brand'

獲取index:

1. data.index

2. Out[3]: RangeIndex(start=0, stop=12, step=1)

從0開始，到12停，不包括12.所以一共有12行資料

獲取values:

1. data.values

2. Out[4]:

3. array([['girl', 'uniql', 'sweater', 3],

4. ['girl', 'etam', 'suit', 1],

5. ['girl', 'etam', 'pants', 1],

6. ['girl', 'lagogo', 'jacket', 2],

7. ['boy', nan, 'pants', 2],

8. ['boy', 'hailan', 't-shirt', 1],

9. ['mother', 'hengyuanxiang', 'coat', 2],

10. ['mother', 'hengyuanxiang', 'sweater', 1],

11. ['mother', nan, 'coat', 1],

12. ['father', 'hailan', 't-shirt', 2],

13. ['father', 'hailan', 'sweater', 1],

14. ['father', 'hailan', 'pants', 3]], dtype=object)

獲取某一行：

1. data.values[1]

2. Out[5]: array(['girl', 'etam', 'suit', 1], dtype=object)

獲取某一格：

1. data.values[1][2]

2. Out[6]: 'suit'

按某一列關鍵字分組：

1. gp=data.groupby('Brand')#寫data.groupby(data['Brand'])也是一樣的

2. gp

3. Out[10]: <pandas.core.groupby.DataFrameGroupBy object at 0x0000000008309B38>

4. type(gp)

5. Out[11]: pandas.core.groupby.DataFrameGroupBy

gp是一個把dataframe groupby以後的物件，它實際上還沒有進行任何計算，只是一個暫時儲存的容器。

對這個暫時儲存的容器進行計數，因為是按'Brand'分的組，：

1. gp.count()

2. Out[13]:

3. Name Cloth Count

4. Brand

5. etam 2 2 2

6. hailan 4 4 4

7. hengyuanxiang 2 2 2

8. lagogo 1 1 1

9. uniql 1 1 1

看到按'Brand'分組後的這個結果，Name,Cloth,Count列在每種Brand所對應行的數字都一樣，比如：2 2 2.可以理解為每種Brand各有多少行資料,把這個行數顯示在所有列。

因為我們選擇時是data.groupby(),而不是data['Count'].groupby()

p.s.:可以看到分組計數後的index是'Brand‘，這是因為分組是按'Brand’欄位分的

1. gp.count().index

2. Out[14]: Index(['etam', 'hailan', 'hengyuanxiang', 'lagogo', 'uniql'], dtype='object', name='Brand')

想知道每種Brand的衣服有多少人穿多少種，其實只看 Count列就行了。

比如father雖然有2件T-shirt,1件sweater,3件pants，還是算1個人穿3種hailan。boy有一件hailan的t-shirt,算1個人穿1種hailan。所以hailan對應4。 總之，count()函式可以理解為對Count列去重的和。

1. gp1=data['Count'].groupby(data['Brand'])

2. gp1.count() #和gp1.size()結果一樣

3. Out[20]:

4. Brand

5. etam 2

6. hailan 4

7. hengyuanxiang 2

8. lagogo 1

9. uniql 1

10. Name: Count, dtype: int64

想求某品牌被人均擁有的件數的平均值：

比如hailan就是father的2件T恤，1件毛衣，3條褲子，還有boy的1件T恤。 （2+1+3+1)/4=1.75。 分母4可以理解為剛才所說的 gp1.count() :每種Brand的衣服有多少人穿多少種

比如hengyuanxiang就是mother的2件大衣，1件毛衣 ,（2+1）/2=1.5

1. gp1.mean()

2. Out[21]:

3. Brand

4. etam 1.00

5. hailan 1.75

6. hengyuanxiang 1.50

7. lagogo 2.00

8. uniql 3.00

9. Name: Count, dtype: float64

說明：type(gp1.mean())  是 Series型別。之所以index叫'Brand',是因為原datafram是按'Brand' groupby的

想求某品牌被每人擁有的件數：（與“”想知道每種Brand的衣服有多少人穿多少種“ .count( ）演算法的區別在於 不去重）

在Count列上加和

1. gp1.agg(sum) #就是 data['Count'].groupby(data['Brand']).agg(sum) , agg裡也可以寫'sum'，與不加單引號等效

2. Out[5]:

3. Brand

4. etam 2

5. hailan 7

6. hengyuanxiang 3

7. lagogo 2

8. uniql 3

9. Name: Count, dtype: int64

綜上所述可以觀察出，gp1.mean()操作的結果等於 gp1.agg(sum)/gp1.count()

遍歷分組：

1. for name,group in data.groupby(data['Brand']):

2. print(name)

3. print(group)

4. etam

5. Name Brand Cloth Count

6. 1 girl etam suit 1

7. 2 girl etam pants 1

8. hailan

9. Name Brand Cloth Count

10. 5 boy hailan t-shirt 1

11. 9 father hailan t-shirt 2

12. 10 father hailan sweater 1

13. 11 father hailan pants 3

14. hengyuanxiang

15. Name Brand Cloth Count

16. 6 mother hengyuanxiang coat 2

17. 7 mother hengyuanxiang sweater 1

18. lagogo

19. Name Brand Cloth Count

20. 3 girl lagogo jacket 2

21. uniql

22. Name Brand Cloth Count

23. 0 girl uniql sweater 3

由上可以看出，brand為NaN 的衣服並沒有被分組，自動忽略不計了。

對於由DataFrame產生的GroupBy物件，如果用一個（單個字串）或一組（字串陣列）列名對其進行索引，就能實現選取部分列進行聚合的目的，即：

寫法一：

1. data.groupby('Brand')['Count'].sum()#等價於data.groupby('Brand')['Count'].agg(sum)，等價於data.groupby('Brand')['Count'].agg('sum')#等價於data.groupby('Brand').agg('sum')['Count'],等價於data.groupby('Brand').agg(sum)['Count'],等價於data.groupby('Brand').sum()['Count']

2. Out[13]:

3. Brand

4. etam 2

5. hailan 7

6. hengyuanxiang 3

7. lagogo 2

8. uniql 3

9. Name: Count, dtype: int64

這和寫法二：

1. data['Count'].groupby(data['Brand']).sum()

2. Out[19]:

3. Brand

4. etam 2

5. hailan 7

6. hengyuanxiang 3

7. lagogo 2

8. uniql 3

9. Name: Count, dtype: int64

是等效的

注意寫法一里面的'Brand'不用必須寫成（當然也可以寫成）data['Brand']，是因為data.groupby()由於是對data這個dataframe呼叫的方法，所以能識別出data的欄位'Brand'。但是寫法二是對data['Count'] 這個Series物件呼叫的groupby,不認識'Brand'，只認識data['Brand'],如果寫法二還寫成.groupby('Brand')就會報錯。

雙索引分組：

想知道每人擁有每種品牌的衣服多少種類型（型別就是Cloth欄位，寫成ClothType大家更容易理解哈）：

1. data.groupby(['Name','Brand'])['Count'].count() #和寫.size( )效果一樣

2. Out[31]:

3. Name Brand

4. boy hailan 1

5. father hailan 3

6. girl etam 2

7. lagogo 1

8. uniql 1

9. mother hengyuanxiang 2

10. Name: Count, dtype: int64

從結果可以看出，對boy擁有的沒Brand的一條褲子，和mother沒牌子的一件大衣，都自動忽略不計了。

最後，感謝http://blog.csdn.net/leonis_v/article/details/51832916的分享