其中：

• split：按照某一原則（groupby字段）進(jìn)行拆分，相同屬性分為一組

• apply：對拆分后的各組執(zhí)行相應(yīng)的轉(zhuǎn)換操作

• combine：輸出匯總轉(zhuǎn)換后的各組結(jié)果
  

groupby首先要指定分組原則，這也是groupby函數(shù)的第一步，其常用參數(shù)包括：

• by，分組字段，可以是列名/series/字典/函數(shù)，常用為列名

• axis，指定切分方向，默認(rèn)為0，表示沿著行切分

• as_index，是否將分組列名作為輸出的索引，默認(rèn)為True；當(dāng)設(shè)置為False時(shí)相當(dāng)于加了reset_index功能

• sort，與SQL中g(shù)roupby操作會默認(rèn)執(zhí)行排序一致，該groupby也可通過sort參數(shù)指定是否對輸出結(jié)果按索引排序

• 單列作為分組字段，不設(shè)置索引

• 單列字段的轉(zhuǎn)換格式作為分組字段
  

• 字典，根據(jù)索引對記錄進(jìn)行映射分組

• 函數(shù)，根據(jù)函數(shù)對索引的執(zhí)行結(jié)果進(jìn)行分組

分組之后的第二個步驟即為分組轉(zhuǎn)換操作，也就是應(yīng)用（apply）一定的函數(shù)得到相應(yīng)的結(jié)果。常用的執(zhí)行操作方式有4種：

• 直接加聚合函數(shù)，但只能實(shí)現(xiàn)單一功能，常用聚合函數(shù)包括：mean/sum/median/min/max/last/first等，最為簡單直接的聚合方式

• agg(或aggregate)，執(zhí)行更為豐富的聚合功能，常用列表、字典等形式作為參數(shù)

• apply，除了agg豐富的可選聚合函數(shù)外，apply還可以自定義面向分組的聚合函數(shù)

• transform，又一個強(qiáng)大的groupby利器，其與agg和apply的區(qū)別相當(dāng)于SQL中窗口函數(shù)和分組聚合的區(qū)別：transform并不對數(shù)據(jù)進(jìn)行聚合輸出，而只是對每一行記錄提供了相應(yīng)聚合結(jié)果；而后兩者則是聚合后的分組輸出。

實(shí)際上，pandas中幾乎所有需求都存在不止一種實(shí)現(xiàn)方式！

再次指出，groupby相當(dāng)于是按照某一規(guī)則對數(shù)據(jù)進(jìn)行分組聚合，當(dāng)分組的規(guī)則是時(shí)間序列時(shí)，還存在另一種特殊的分組方式——重采樣resample。理解groupby的split-apply-combine三步走處理流程，那么自然也很容易理解resample處理流程：按照時(shí)間split——apply——combine。同時(shí)，也正因?yàn)閞esample是一種特殊的分組聚合，所以groupby的4種轉(zhuǎn)換操作自然也都適用于resample。

當(dāng)然，這是直接用了聚合函數(shù)，更復(fù)雜的例如agg、apply和transform等用法也是一樣的。換句話說，resample與groupby的核心區(qū)別僅在于split階段：前者按照時(shí)間間隔進(jìn)行分組，而后者是按照定義的某種規(guī)則進(jìn)行分組。

需要指出，resample等價(jià)于groupby操作一般是指下采樣過程；同時(shí)，resample也支持上采樣，此時(shí)需設(shè)置一定規(guī)則進(jìn)行插值填充。

python爬蟲人工智能大數(shù)據(jù)公眾號