* 类似于SQL里面的group by 语句，不过pandas提供了更加复杂的函数方法 * 我们可以对index或者column进行分组，可以被一个元素，也可以是任意多个元素分组。分组后计算的方式是一样的，无论是基于index还是column. ***** 读文件  ***** 对director_name列的每个数据值进行频数统计  ***** ``` #将数据集按director_name分组 grouped = df.groupby("director_name") ``` ***** #分组后对各组进行频数统计 ``` grouped.size() ```  ***** ``` #可以看到每个分组的名字和在这个组下的各个索引 grouped.groups ```  ***** ``` # 可以看到各个分组的名字，和每个分组下组内的各个数据 for name,group in grouped: print(name) print(group) ``` ***** **把导演名字列作为索引，然后按照索引分组**  ``` # 按照第一层索引分组 #g2 = df1.groupby(level=0) g2 = df1.groupby(level=["director_name"]) ```  ### 2.2.1. 统计计算 1. 单个统计量计算 mean/sum/std 2. 多个统计量计算 3. 不同列应用不同统计量 分组计算很重要的一点是：**我们的每一个统计函数都是作用在每一个group上，不是单个样本，也不是全部数据**  ***** 对每个导演电影的时长进行求和统计  ***** 对每组的两列进行统计  ***** 对多个列进行多个统计量的统计  *****  ***** ### 2.2.2. Transformation 基于每个分组操作，对组内元素进行转换 ``` #将缺失值都填充为0 df1 = df.fillna(0) #将数据集按导演名字分组 grouped = df1.groupby("director_name") #lambda表达式 z分数计算 z_score = lambda s : (s-s.mean())/ s.std() #将每个列的每个组内元素根据z_score进行计算转换,s.mean()是每个组的平均值 grouped[['num_critic_for_reviews','duration','director_facebook_likes']].transform(z_score) ``` *****  ### 2.2.3. Filteration 分组过滤 ``` #选出duration平均值大于等于150的分组 grouped.filter(lambda g : g['duration'].mean() >= 150) ```  ***** ``` #选出组内数据数目大于等于10的分组 grouped.filter(lambda g : len(g) >=10) ```