在大型數據當中，有時我們會需要透過群組的方式概括整體資料，除了用以觀察之外，也能進一步深入處理，本文將分享如何使用資料的分組和聚合操作，內容包含：

1. 資料分組與檢視：groupby( )、get_group( )
2. 資料聚合：agg( )

■ 案例

1. 商品清單
   

2. 程式碼

import pandas as pd
data = {'商品':['牛奶','奇異果','起司','葡萄','和牛','蘋果'],
        '類別':['奶製品','水果','奶製品','水果','肉品','水果'],
        '產地':['日本','紐西蘭','美國','紐西蘭','日本','美國'],
        '單價':[189,40,109,200,350,35],
        '數量':[5,125,32,15,24,89]}
df = pd.DataFrame(data)

■ 實作｜資料分組與檢視

Pandas 提供 groupby('欄位名稱') 將資料依據指定欄位進行分組，但不會改變原始數據或直接顯示內容，需使用 get_group('欲檢視的資料') 檢視特定資料。
舉例：將資料依照「產地」分組，並檢視來自「紐西蘭」的商品資訊

# 依「產地」分組
grouped = df.groupby('產地')
# 檢視「產地」中「紐西蘭」的商品資訊
print(grouped.get_group('紐西蘭'))

輸出結果：

■ 實作｜資料聚合

使用 Pandas 提供的 groupby('欄位名稱') 將資料分組後，以 agg(func) 彙總和計算資料。
舉例：將資料依照「類別」分組，並計算產地數量、商品清單、平均價位

grouped = df.groupby('類別').agg({'產地':'count','商品':','.join,'單價':'mean'})
print(grouped)

輸出結果：

■ 結語

資料的分組 groupby( ) 與聚合 agg( ) 是數據分析中經常一起使用的組合，大家有空可以試試！如果有任何不理解、錯誤或其他方法想分享的話，歡迎留言給我！喜歡的話，也歡迎按讚訂閱唷！

我是 Eva，一位正在努力跨進資料科學領域的女子！我們下一篇文章見！Bye Bye~
【本篇文章將同步更新於個人的 Medium，期待與您的相遇！】