pandas提供灵活高效的分组功能，使您能够以自然的方式对数据集进行切片、切片和汇总。基于一个或多个键（可以是函数、数组或数据帧列名）拆分panda对象。计算组摘要统计信息，例如计数、平均值、标准差或用户定义的函数。对数据帧的列应用各种函数。应用组内变换或其他操作，例如归一化、线性回归、排序或子集选择。计算数据透视表或交叉表。分位数分析和其他分组分析。r1。首先，让我们看一下以下非常简单的表格数据集（以数据帧的形式）：
123456789101112
importpandaaspd>>>；df=pd.数据帧（{“key1”：[“a”，“a”，“b”，“b”，“a”]。。。“键2”：[“1”，“2”，“1”，“2”，“1”]。。。“数据1”：np.random.随机(5)，...“数据2”：np.random.随机（5）}）>>dfdata1data2key1key20-0.4106730.519378aone1-2.1207930.199074atwo20.642216-0.143671bone30.975133-0.592994btwo4-1.017495-0.530459aonegrouped=df[“data1”]。groupby（df[“key1”]>>>分组
使用pandas进行数据统计分析时，可能不知道如何保存groupby函数的分组结果。我的解决方案是：通过resetindex（）函数可以将groupby（）的分组结果转换成dataframe对象，这样就可以保存了
代码示例：outxlsx=infname“-组.xlsx“数据框组=数据框groupby（[“促销计划”、“促销组”]。描述（）。重置索引（）组.toexcel（outuxlsx，sheetuname=“sheet1”，index=false）
ipython和python并置。
也就是说：您当前在pythonshell中，退出。返回到cmd或terminal，然后是ipython--pylab
