import pandas as pd
import numpy as np

df = pd.DataFrame(
    data={
        'name': ['z_s', 'l_s', 'w_w', 'z_l', 'y_s', 'j_j', 'l_b', 'z_f', 'hs_q', 'lbl_k', 'qy_n', 'mg_n'],
        'score': [100, 97, 98, 89, 67, 59, 29, 87, 78, 89, 88, 80],
        'group': [1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2],
        'cls': ['A', 'A', 'A', 'B', 'B', 'B', 'A', 'A', 'A', 'B', 'B', 'B'],
        'height': [178.0, 180.0, 176.0, 182.0, 189.0, 190.0, 172.5, 175.0, 165.0, 160.0, 158.5, 159.0]
    },
    index=['stu_' + str(i) for i in np.arange(1, 13, 1)]
)
print('df:\n', df)

Pandas分组聚合分组聚合

统计各个班的最高的成绩：

# 先按照班级进行分组，再统计各个组里面的成绩的最大值！
ret = df.groupby(by=['cls'])['score'].max().reset_index()
print('ret:\n', ret)

多重行索引分组聚合

统计各个班的各个小组的最高成绩

# 先按照班级分组，再按照小组分组，最后统计各个小组内成绩的最大值
ret = df.groupby(by=['cls', 'group'])['score'].max()
print('ret:\n', ret)
print('index:\n', ret.index)    # MultiIndex ---多重行索引
ret = ret.reset_index()            # 重设索引
print(ret)

对多列数据进行分组聚合

统计各个班级的成绩、身高的平均值：

# 按照班级分组，统计各个组内 成绩、身高的平均值
ret = df.groupby(by=['cls'])[['score', 'height']].mean().reset_index()
print('ret:\n', ret)

综合应用

# 先按照班级分组、再按照小组分组---统计各个小组内的成绩的平均值、身高的平均值
ret = df.groupby(by=['cls', 'group'])[['score', 'height']].mean().reset_index()
print('ret:\n', ret)

聚合函数 agg

统计成绩、身高的最大值、均值

# 使用agg 方法 可以对多列数据一次性求出多个指标
ret = df.loc[:, ['score', 'height']].agg([np.max, np.mean])
print('ret:\n', ret)

对多列数据统计不同的指标

统计成绩的均值、同时统计身高的最大值

# 使用agg 方法 可以对多列数据一次性求出多个指标
ret = df.agg({'score': [np.mean], 'height': [np.max]})
print('ret:\n',ret)

对多列数据统计不同个数的指标

统计成绩的均值、最大值、中位数 和 身高的均值

# 使用agg 方法 可以对多列数据一次性求出多个指标
ret = df.agg({'score': [np.mean, np.max, np.median], 'height': [np.mean]})
print('ret:\n', ret)

使用agg 方法也可以配合着 分组 对不同列、不同的数据、统计不同个数的 不同指标！

ret = df.groupby(by=['cls']).agg({'height': [np.max,np.mean], 'score': [np.min]})
print('ret:\n', ret)

agg调用 自定义函数

ret = df.loc[:, 'score'].agg(lambda x: x + 1)
print('ret1:\n', ret)


def func_add_one(x):
    return x + 1

ret = df.loc[:, 'score'].agg(func_add_one)
print('ret2:\n', ret)

# 对多列 使用自定义函数
ret = df.loc[:, ['score', 'height']].agg(func_add_one)
print('ret3:\n', ret)

使用agg 调用numpy的统计指标

# 统计所有同学成绩的和
ret = df.loc[:, 'score'].agg(np.sum)
print('ret:\n',ret)
print('type:\n',type(ret))

# # 统计所有同学 成绩以及身高 的和
ret = df.loc[:, ['score', 'height']].agg(np.sum)
print('ret:\n', ret)
print('type:\n',type(ret))

# 统计身高 + 成绩（无意义的，只是为了演示能够 同一行相加）
ret = df.loc[:, ['score', 'height']].agg(np.sum, axis=1)    # 使用axis指定相加的方向
print('ret:\n', ret)
print('type:\n',type(ret))