對數(shù)據(jù)集進行分組并對各組應(yīng)用一個函數(shù)（無論是聚合還是轉(zhuǎn)換），通常是數(shù)據(jù)分析工作中的重要環(huán)節(jié)。在將數(shù)據(jù)集加載、融合、準(zhǔn)備好之后，通常就是計算分組統(tǒng)計或生成透視表。pandas提供了一個靈活高效的gruopby功能，它使你能以一種自然的方式對數(shù)據(jù)集進行切片、切塊、摘要等操作。

關(guān)系型數(shù)據(jù)庫和SQL（Structured Query Language，結(jié)構(gòu)化查詢語言）能夠如此流行的原因之一就是其能夠方便地對數(shù)據(jù)進行連接、過濾、轉(zhuǎn)換和聚合。但是，像SQL這樣的查詢語言所能執(zhí)行的分組運算的種類很有限。在本章中你將會看到，由于Python和pandas強大的表達能力，我們可以執(zhí)行復(fù)雜得多的分組運算（利用任何可以接受pandas對象或NumPy數(shù)組的函數(shù)）。在本章中，你將會學(xué)到：

• 使用一個或多個鍵（形式可以是函數(shù)、數(shù)組或DataFrame列名）分割pandas對象。

• 計算分組的概述統(tǒng)計，比如數(shù)量、平均值或標(biāo)準(zhǔn)差，或是用戶定義的函數(shù)。

• 應(yīng)用組內(nèi)轉(zhuǎn)換或其他運算，如規(guī)格化、線性回歸、排名或選取子集等。

• 計算透視表或交叉表。

• 執(zhí)行分位數(shù)分析以及其它統(tǒng)計分組分析。

筆記：對時間序列數(shù)據(jù)的聚合（groupby的特殊用法之一）也稱作重采樣（resampling），本書將在第11章中單獨對其進行講解。

閱讀全文：http://t.cn/Ru3C1ik