* 類似于SQL里面的group by 語句，不過pandas提供了更加復雜的函數方法 * 我們可以對index或者column進行分組，可以被一個元素，也可以是任意多個元素分組。分組后計算的方式是一樣的，無論是基于index還是column. ***** 讀文件  ***** 對director_name列的每個數據值進行頻數統計  ***** ``` #將數據集按director_name分組 grouped = df.groupby("director_name") ``` ***** #分組后對各組進行頻數統計 ``` grouped.size() ```  ***** ``` #可以看到每個分組的名字和在這個組下的各個索引 grouped.groups ```  ***** ``` # 可以看到各個分組的名字，和每個分組下組內的各個數據 for name,group in grouped: print(name) print(group) ``` ***** **把導演名字列作為索引，然后按照索引分組**  ``` # 按照第一層索引分組 #g2 = df1.groupby(level=0) g2 = df1.groupby(level=["director_name"]) ```  ### 2.2.1. 統計計算 1. 單個統計量計算 mean/sum/std 2. 多個統計量計算 3. 不同列應用不同統計量 分組計算很重要的一點是：**我們的每一個統計函數都是作用在每一個group上，不是單個樣本，也不是全部數據**  ***** 對每個導演電影的時長進行求和統計  ***** 對每組的兩列進行統計  ***** 對多個列進行多個統計量的統計  *****  ***** ### 2.2.2. Transformation 基于每個分組操作，對組內元素進行轉換 ``` #將缺失值都填充為0 df1 = df.fillna(0) #將數據集按導演名字分組 grouped = df1.groupby("director_name") #lambda表達式 z分數計算 z_score = lambda s : (s-s.mean())/ s.std() #將每個列的每個組內元素根據z_score進行計算轉換,s.mean()是每個組的平均值 grouped[['num_critic_for_reviews','duration','director_facebook_likes']].transform(z_score) ``` *****  ### 2.2.3. Filteration 分組過濾 ``` #選出duration平均值大于等于150的分組 grouped.filter(lambda g : g['duration'].mean() >= 150) ```  ***** ``` #選出組內數據數目大于等于10的分組 grouped.filter(lambda g : len(g) >=10) ```