在日常的数据分析中，经常需要将数据根据某个（多个）字段划分为不同的群体（group）进行分析，如电商领域将全国的总销售额根据省份进行划分，分析各省销售额的变化情况，社交领域将用户根据画像（性别、年龄）进行细分，研究用户的使用情况和偏好等。在Pandas中，上述的数据处理操作主要运用groupby完成，这篇文章就介绍一下groupby的基本原理及对应的agg、transform和apply操作。
为了后续图解的方便，采用模拟生成的10个样本数据，代码和数据如下：
company=["A","B","C"]data=pd.DataFrame({ "company":[company[x] for x in np.random.randint(0(楚楚baby是什么梗？楚楚baby这个梗就是出自抖音上面一位叫辣目洋子出演的搞笑视频，这个视频里面，辣目洋子饰演的是一个非常火的网络主播，名字叫“楚楚baby”。然而楚楚baby却因为太火了，所以遭到歹徒的绑架，绑匪看到本人不相信这个就是楚楚baby，之后把手机拿出来打开美颜和滤镜，结果发现，她就是所谓的“楚楚baby”这个梗也就是用来嘲讽那些见光死的网红，不管在直播面前多么的好看，看到本人之后竟然都不认识了。),len(company),10)], "salary":np.random.randint(5,50,10), "age":np.random.randint(15,50,10)})在pandas中，实现分组操作的代码很简单，仅需一行代码，在这里，将上面的数据集按照company字段进行划分：
In [5]: group = data.groupby("company")将上述代码输入ipython后，会得到一个DataFrameGroupBy对象
In [6]: groupOut[6]: <pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002B7E2650240>那这个生成的DataFrameGroupBy是啥呢？对data进行了groupby后发生了什么？ipython所返回的结果是其内存地址，并不利于直观地理解，为了看看group内部究竟是什么，这里把group转换成list的形式来看一看：
In [8]: list(group)Out[8]:[('A', company salary age 3 A 20 22 6 A 23 33), ('B', company salary age 4 B 10 17 5 B 21 40 8 B 8 30), ('C', company salary age 0 C 43 35 1 C 17 25 2 C 8 30 7 C 49 19)]转换成列表的形式后，可以看到，列表由三个元组组成，每个元组中，第一个元素是组别（这里是按照company进行分组，所以最后分为了A,B,C），第二个元素的是对应组别下的DataFrame，整个过程可以图解如下：
总结来说，groupby的过程就是将原有的DataFrame按照groupby的字段（这里是company），划分为若干个分组DataFrame，被分为多少个组就有多少个分组DataFrame。所以说，在groupby之后的一系列操作（如agg、apply等），均是基于子DataFrame的操作。理解了这点，也就基本摸清了Pandas中groupby操作的主要原理。下面来讲讲groupby之后的常见操作。
聚合操作是groupby后非常常见的操作，会写SQL的朋友对此应该是非常熟悉了。聚合操作可以用来求和、均值、最大值、最小值等，下面的表格列出了Pandas中常见的聚合操作。
针对样例数据集，如果我想求不同公司员工的平均年龄和平均薪水，可以按照下方的代码进行：
In [12]: data.groupby("company").agg('mean')Out[12]: salary agecompanyA 21.50 27.50B 13.00 29.00C 29.25 27.25如果想对针对不同的列求不同的值，比如要计算不同公司员工的平均年龄以及薪水的中位数，可以利用字典进行聚合操作的指定：
In [17]: data.groupby('company').agg({'salary':'median','age':'mean'})Out[17]: salary agecompanyA 21.5 27.50B 10.0 29.00C 30.0 27.25agg聚合过程可以图解如下（第二个例子为例）：
transform是一种什么数据操作？和agg有什么区别呢？为了更好地理解transform和agg的不同，下面从实际的应用场景出发进行对比。
在上面的agg中，我们学会了如何求不同公司员工的平均薪水，如果现在需要在原数据集中新增一列avg_salary，代表员工所在的公司的平均薪水（相同公司的员工具有一样的平均薪水），该怎么实现呢？如果按照正常的步骤来计算，需要先求得不同公司的平均薪水，然后按照员工和公司的对应关系填充到对应的位置，不用transform的话，实现代码如下：
In [21]: avg_salary_dict = data.groupby('company')['salary'].mean().to_dict()In [22]: data['avg_salary'] = data['company'].map(avg_salary_dict)In [23]: dataOut[23]: company salary age avg_salary0 C 43 35 29.251 C 17 25 29.252 C 8 30 29.253 A 20 22 21.504 B 10 17 13.005 B 21 40 13.006 A 23 33 
