我么知道在SQL中有分组的功能，pandas也有。

groupby

在这里，会用到一个小费数据集。它集成在seaborn中。

我们先来导入相关的模块。

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
%matplotlib inline
import seaborn as sns

运用小费数据集。

tips = sns.load_dataset('tips')
tips.head()

head()是只显示前面五条数据。
从上图可以得知，有多项数据，分别是：

把tip按照sex分组，grouped是groupby对象。
下面按照day和time分组，求tip的平均数。

data_mean = tips['tip'].groupby([tips['day'], tips['time']]).mean()

把它显示在横向柱状图中。
另外，groupby对象是可以迭代的。

size()方法可以返回各分组的大小。

按列名分组

下面按照列名smoker分组。

这样，还会返回其他组的数据。如果只需要某一列数据，可以使用如下方法。

但是，这样就会显得代码很臃肿，我们可以用一些简化的方法来编写代码。

有了特定的列的数据，就可以简单的绘图了。

按列表或元组分组

新建一个DataFrame对象和一个用于分组的列表。

df = DataFrame(np.arange(16).reshape(4,4))
_list = ['a' ,'b', 'a', 'b']

其实，就是把第一三行和第二四行整合起来了。

按字典分组

同样，新建一个DataFrame对象和一个用于分组的字典。

df = DataFrame(np.random.normal(size=(6,6)), index=['a' ,'b', 'c', 'A', 'B', 'C'])
_dict = {
'a': 'one',
'A': 'one',
'b': 'two',
'B': 'two',
'c': 'three',
'C': 'three',
}

下面就进行分组了。其实就是按照字典的键整合到同一个值中了。

按函数分组

新建一个DataFrame对象和一个用于分组的函数。

df = DataFrame(np.random.randn(4,4))

函数的详细代码是：

def f(x):
if x > 0:
return 'a'
else:
return 'b'

下面利用map()函数进行分组。

对付层次化索引，我们也有办法。新建的DataFrame对象如下图所示：

下面，我一步到位。设置了level参数表示层次；设置了axis参数表示在列上进行分组；在汇总之后还进行了绘图。