Python數據分析基礎與應用模塊電子活頁6-8實現pandas數據分組與數據聚合【技能訓練6-18】實現pandas數據分組與數據聚合【訓練要求】在JupyterNotebook開發環境中創建j6-18.ipynb，然后編寫代碼實現pandas數據分組與數據聚合。【實施過程】1．pandas數據分組（1）創建DataFrame對象創建一個DataFrame對象，其中包含兩個小組學生的姓名、組別、性別、年齡和3門課程的成績。代碼如下：importnumpyasnpimportpandasaspddata1={'name':['安靜','路遠','溫暖','向北','陽光','白雪','夏天','云朵'],'group':[1,1,1,1,2,2,2,2],'sex':['女','男','男','女','男','女','男','女'],'age':[21,20,19,22,23,18,20,22],'score1':[71,80,89,92,65,84,78,92.5],'score2':[82,72,96,88,93.5,83,77,68.5],'score3':[86.0,82.5,95.0,90.5,73,86.5,67,94]}label1=['stu1','stu2','stu3','stu4','stu5','stu6','stu7','stu8']df1=pd.DataFrame(data1,index=label1)df1輸出結果：（2）創建groupby對象①根據一列分組。代碼如下：#根據組別進行分組group1=df1.groupby('group')②根據多列分組。代碼如下：#根據組別和性別進行分組group2=df1.groupby(['group','sex'])也可以指定多個列索引進行分組。（3）通過get_group()函數選擇組內的具體數據項代碼如下：#根據對應組的數據值，選擇一個組print(group1.get_group(1))輸出結果：（4）使用groups屬性查看分組結果①查看根據一列分組的結果。代碼如下：#查看分組print(df1.groupby('group').groups)輸出結果：{1:['stu1','stu2','stu3','stu4'],2:['stu5','stu6','stu7','stu8']}②查看根據多列分組的結果。代碼如下：#查看分組print(df1.groupby(['group','sex']).groups)輸出結果：{(1,'女'):['stu1','stu4'],(1,'男'):['stu2','stu3'],(2,'女'):['stu6','stu8'],(2,'男'):['stu5','stu7']}（5）遍歷分組數據使用for循環遍歷分組數據。代碼如下：forkey,nameingroup1:#其中key代表分組后字典的鍵，也就是groupprint(key)#各組對應的數據print(name)輸出結果：1namegroupsexagescore1score2score3stu1安靜1女2171.082.086.0stu2路遠1男2080.072.082.5stu3溫暖1男1989.096.095.0stu4向北1女2292.088.090.52namegroupsexagescore1score2score3stu5陽光2男2365.093.573.0stu6白雪2女1884.083.086.5stu7夏天2男2078.077.067.0stu8云朵2女2292.568.594.0groupby對象的組名與group列中的元素一一對應。2．pandas數據聚合（1）應用一個聚合函數求平均值代碼如下：#應用一個聚合函數求平均值group1['score1'].agg(np.mean)輸出結果：group183.000279.875Name:score1,dtype:float64上述代碼中把score1作為分組鍵，將DataFrame對象拆分為1、2兩個小組，然后調用mean()函數，使其分別作用于1、2兩組中，計算每組的平均值，最后將計算結