前言

對(duì)于聚合，指的是任何能夠從數(shù)組產(chǎn)生標(biāo)量值的數(shù)據(jù)轉(zhuǎn)換過程。

許多常見的聚合運(yùn)算（如表9-1所示）都有就地計(jì)算數(shù)據(jù)集統(tǒng)計(jì)信息的優(yōu)化實(shí)現(xiàn)。然而，并不是只能使用這些方法?？梢允褂米约喊l(fā)明的聚合運(yùn)算，還可以調(diào)用分組對(duì)象上已經(jīng)定義好的任何方法。

調(diào)用現(xiàn)有函數(shù)進(jìn)行聚合運(yùn)算

舉例：使用quantile計(jì)算Series或DataFrame列的樣本分位數(shù)。

分析：雖然quantile并沒有明確地實(shí)現(xiàn)于GroupBy，但它是一個(gè)Series方法，所以這里是能用的。實(shí)際上，GroupBy會(huì)高校地對(duì)Series進(jìn)行切片，然后對(duì)各片調(diào)用)，最后將這些結(jié)果組裝成最終結(jié)果。

使用自己的聚合函數(shù)

如果要使用自己的聚合函數(shù)，只需將其傳入aggregate或agg方法即可：

In [18]: def peak_to_peak(arr):

...: return arr.max()

...:

In [19]: grou(peak_to_peak)

Out[19]:

data1 data2

key1

a 1.874977 1.498612

b 2.237080 0.569494

其他方法的使用

注意，有些方法（如describe）也是可以用在這里的，即使嚴(yán)格來講，它們并非聚合運(yùn)算：

In [20]: grou()

Out[20]:

data1 ... data2

count mean std ... 50% 75% max

key1 ...

a 3.0 0.460594 0.957985 ... -0.464503 -0.233841 -0.003179

b 2.0 -0.081939 1.581855 ... 0.444932 0.587306 0.729679

[2 rows x 16 columns]

注意：可能已經(jīng)注意到，自定義聚合函數(shù)要比表9-1中那些經(jīng)過優(yōu)化的函數(shù)慢得多。這是因?yàn)樵跇?gòu)造中間分組數(shù)據(jù)塊時(shí)存在非常大的開銷（函數(shù)調(diào)用、數(shù)據(jù)重排等）。

添加列

通過read_csv加載文件后，添加一個(gè)表示小費(fèi)比例的列tip_pct：

In [71]: tips=(r'C:\Users\lpt20\Desktop\aa\')

In [72]: tips['tip_pct']=tips['tip'] / tips['total_bill']

In [76]: tips[:6]

Out[76]:

total_bill tip smoker day time size tip_pct

0 16.99 1.01 No Sun Dinner 2 0.059447

1 10.34 1.66 No Sun Dinner 3 0.160542

2 21.01 3.50 No Sun Dinner 3 0.166587

3 23.68 3.31 No Sun Dinner 2 0.139780

4 24.59 3.61 No Sun Dinner 4 0.146808

5 25.29 4.71 No Sun Dinner 4 0.186240