pandas是當(dāng)前Python數(shù)據(jù)分析中最為重要的工具，其提供了功能強(qiáng)大且靈活多樣的API，可以滿足使用者在數(shù)據(jù)分析和處理中的多種選擇和實現(xiàn)方式。今天本文以Pandas中實現(xiàn)分組計數(shù)這個最基礎(chǔ)的聚合統(tǒng)計功能為例，分享多種實現(xiàn)方案，最后一種應(yīng)該算是一個騷操作了……

[[404468]]

這里首先給出模擬數(shù)據(jù)集，不妨給定包括如下兩列的一個dataframe，需求是統(tǒng)計各國將領(lǐng)的人數(shù)。應(yīng)該講這是一個很基礎(chǔ)的需求，旨在通過這一需求梳理pandas中分組聚合的幾種通用方式。

value_counts上述需求是統(tǒng)計各國將領(lǐng)的人數(shù)，換言之就是在上述數(shù)據(jù)集中統(tǒng)計各個國家出現(xiàn)的次數(shù)。所以實現(xiàn)這一目的只需簡單的對國家字段進(jìn)行計數(shù)統(tǒng)計即可：

當(dāng)然，以上實現(xiàn)其實僅適用于計數(shù)統(tǒng)計這種特定需求，對于其他的聚合統(tǒng)計是不能滿足的。

groupby+count第一種實現(xiàn)算是走了取巧的方式，對于更為通用的聚合統(tǒng)計其實是不具有泛化性的，那么pandas中標(biāo)準(zhǔn)的聚合是什么樣的呢?對于上述僅有一種聚合函數(shù)的例子，在pandas中更傾向于使用groupby直接+聚合函數(shù)，例如上述的分組計數(shù)需求，其實就是groupby+count實現(xiàn)。

進(jìn)一步的，其具體實現(xiàn)形式有兩種：

1、分組后對指定列聚合，在這種形式中依據(jù)country分組后只提取name一列，相當(dāng)于每個country下對應(yīng)了一個由多個name組成的series，而后的count即為對這個series進(jìn)行count。

2、分組后直接聚合，然后再提取指定列。此時，依據(jù)country分組后不限定特定列，而是直接加聚合函數(shù)count，此時相當(dāng)于對列都進(jìn)行count，此時得到的仍然是一個dataframe，而后再從這個dataframe中提取對特定列的計數(shù)結(jié)果。

值得指出，在此例中country以外的其他列實際上也是只有name一列，但與第一種形式其實也是不同的，具體在于未加提取name列之前，雖然也是只有name一列，但卻還是一個dataframe：

groupby+agg上述方法是直接使用groupby+相應(yīng)的聚合函數(shù)，這種聚合統(tǒng)計方法簡單易懂，但缺點就是僅能實現(xiàn)單一的聚合需求，對于有多種聚合函數(shù)的情況是不適用的。此時，功能更為強(qiáng)大的agg函數(shù)隨之登場。agg是aggregation的縮寫，可見其是專門用于聚合統(tǒng)計的，其可以接收多種不同的聚合函數(shù)，因而更具可定制性。

agg函數(shù)主要接收兩個參數(shù)，第一個參數(shù)func用于接收聚合算子，可以是一個函數(shù)名或?qū)ο?，也可以是一個函數(shù)列表，還可以是一個字典，使用方法很是靈活;第二參數(shù)axis則是指定聚合所沿著的軸向，默認(rèn)是axis=0，即沿著行的方向?qū)α芯酆?。agg的函數(shù)文檔如下：

這里，仍然以上述分組計數(shù)為例，講解groupby+agg的三種典型應(yīng)用方式：

1、agg內(nèi)接收聚合函數(shù)或聚合函數(shù)列表。具體實現(xiàn)形式也分為兩種，與前面groupby直接+聚合函數(shù)的用法類似。實際上，該種用法其實與groupby直接+聚合函數(shù)極為類似。

2、agg內(nèi)接收聚合函數(shù)字典，其中key為列名，value為聚合函數(shù)或函數(shù)列表，可實現(xiàn)同時對多個不同列實現(xiàn)不同聚合統(tǒng)計。這里字典的key是要聚合的name字段，字典的value即為要用的聚合函數(shù)count，當(dāng)然也可以是包含count的列表的形式。用字典傳入聚合函數(shù)的形式下，統(tǒng)計結(jié)果都是一個dataframe，更進(jìn)一步的說當(dāng)傳入字典的value是聚合函數(shù)列表時，結(jié)果中dataframe的列名是一個二級列名。

3、agg內(nèi)接收新列名+元組，實現(xiàn)對指定列聚合并重命名。對于聚合函數(shù)不是特別復(fù)雜而又希望能同時完成聚合列的重命名時，可以選用此種方式，具體傳參形式實際上采用了python中可變字典參數(shù)**kwargs的用法，其中字典參數(shù)中的key是新列名，value是一個元組的形式，包括聚合字段列名和聚合函數(shù)。

groupby+apply如果說上述實現(xiàn)方式都還是pandas里中規(guī)中矩的聚合統(tǒng)計，那么這一種方式則是不是該算是一種騷操作?實際上，這是應(yīng)用了pandas中apply的強(qiáng)大功能，具體可參考?xì)v史推文Pandas中的這3個函數(shù)，沒想到竟成了我數(shù)據(jù)處理的主力。

由于apply支持了多種重載方法，所以對于分組后的grouped dataframe應(yīng)用apply，也可實現(xiàn)特定的聚合函數(shù)統(tǒng)計功能。首先看如下實際應(yīng)用：

在上述方法中，groupby('country')后的結(jié)果，實際上是得到了一個DataFrameGroupBy對象，實際上是一組(key, value)的集合，其中每個key對應(yīng)country列中的一種取值，每個value為該key對應(yīng)的一個子dataframe，具體拆解打印如下：

而后，groupby后面接的apply函數(shù)，實質(zhì)上即為對每個分組下的子dataframe進(jìn)行聚合，具體使用何種聚合方式則就看apply中傳入何種參數(shù)了!

總結(jié)本文針對一個最為基礎(chǔ)的聚合統(tǒng)計場景，介紹pandas中4類不同的實現(xiàn)方案，其中第一種value_counts不具有一般性，僅對分組計數(shù)需求適用;第二種groupby+聚合函數(shù)，是最為簡單和基礎(chǔ)的聚合統(tǒng)計，僅適用于單一聚合函數(shù)的需求;第三種groupby+agg，具有靈活多樣的傳參方式，是功能最為強(qiáng)大的聚合統(tǒng)計方案;而第四種groupby+apply則屬于是靈活應(yīng)用了apply的重載功能，可以用于完成一些特定的統(tǒng)計需求。

最后，雖然本文以簡單的分組計數(shù)作為講解案例，但所提到的方法其實是能夠代表pandas中的各種聚合統(tǒng)計需求。