Pandas快问快答16-30题

16. 如何对一个Pandas数据框进行聚合操作?

聚合操作是数据处理中的一种重要方式，主要用于对一组数据进行汇总和计算，以得到单一的结果。在聚合操作中，可以执行诸如求和、平均值、最大值、最小值、计数等统计操作。这些操作通常用于从大量数据中提取有用的信息，以便进行进一步的分析和决策。

在Pandas中，你可以使用groupby函数来对一个数据框进行聚合操作。groupby函数允许你根据一个或多个列对数据进行分组，然后对每个组执行聚合操作。

import pandas as pd  
  
# 创建一个简单的数据框  
df = pd.DataFrame({  
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],  
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],  
    'C': [1, 2, 2, 3, 3, 4, 5, 6],  
    'D': [10, 20, 30, 40, 50, 60, 70, 80]  
})  
  
# 根据列 'A' 和 'B' 进行分组，并计算每个组的平均值  
grouped = df.groupby(['A', 'B'])['C'].mean()  
  
print(grouped)

在上面的例子中，我们根据列 'A' 和 'B' 对数据框进行分组，并计算每个组的平均值。你可以使用其他聚合函数，如sum、min、max等，来执行其他类型的聚合操作。 如果你想对整个数据框进行聚合操作，而不是仅针对某一列，你可以省略列名，直接调用groupby函数：

# 根据列 'A' 和 'B' 进行分组，并计算每个组的总和  
grouped = df.groupby(['A', 'B']).sum()  
  
print(grouped)

17. 如何对一个Pandas数据框进行合并操作？

Pandas 是一个用于数据分析和处理的强大 Python 库，提供了多种方法来合并数据框（DataFrame）。以下是一些常见的方法：

• merge()：这是最常用的方法，它基于一个或多个公共列（也称为键）组合两个数据框。默认情况下，只有具有匹配键的行才会包含在生成的数据框中。

merged_df = pd.merge(df1, df2, on='key')

• concat()：按照行或列索引合并数据框。可以通过设置参数 axis 来选择合并的方向（纵向或横向）。

merged_df = pd.concat([df1, df2], axis=0)

• append()：用于在 DataFrame 的末尾添加行。需要注意的是，必须指定行名（name）。

df_append = df.loc[:3,['Gender','Height']].copy()  
s = pd.Series({'Gender':'F','Height':188},name='new_row')  
df_append.append(s)

18. 如何在 Pandas 数据框中添加一列数据?

在 Pandas 数据框中添加一列数据可以通过多种方式实现，以下是其中的几种方法：

• 通过直接给新的列名赋值来添加一列。

# 添加新列 'new_c