pandas是當前Python數據分析中最為重要的工具，其提供了功能強大且靈活多樣的API，可以滿足使用者在數據分析和處理中的多種選擇和實現方式。今天本文以Pandas中實現分組計數這個最基礎的聚合統計功能為例，分享多種實現方案，最后一種應該算是一個騷操作了……

[[404468]]

這里首先給出模擬數據集，不妨給定包括如下兩列的一個dataframe，需求是統計各國將領的人數。應該講這是一個很基礎的需求，旨在通過這一需求梳理pandas中分組聚合的幾種通用方式。

value_counts上述需求是統計各國將領的人數，換言之就是在上述數據集中統計各個國家出現的次數。所以實現這一目的只需簡單的對國家字段進行計數統計即可：

當然，以上實現其實僅適用于計數統計這種特定需求，對于其他的聚合統計是不能滿足的。

groupby+count第一種實現算是走了取巧的方式，對于更為通用的聚合統計其實是不具有泛化性的，那么pandas中標準的聚合是什么樣的呢?對于上述僅有一種聚合函數的例子，在pandas中更傾向于使用groupby直接+聚合函數，例如上述的分組計數需求，其實就是groupby+count實現。

進一步的，其具體實現形式有兩種：

1、分組后對指定列聚合，在這種形式中依據country分組后只提取name一列，相當于每個country下對應了一個由多個name組成的series，而后的count即為對這個series進行count。

2、分組后直接聚合，然后再提取指定列。此時，依據country分組后不限定特定列，而是直接加聚合函數count，此時相當于對列都進行count，此時得到的仍然是一個dataframe，而后再從這個dataframe中提取對特定列的計數結果。

值得指出，在此例中country以外的其他列實際上也是只有name一列，但與第一種形式其實也是不同的，具體在于未加提取name列之前，雖然也是只有name一列，但卻還是一個dataframe：

groupby+agg上述方法是直接使用groupby+相應的聚合函數，這種聚合統計方法簡單易懂，但缺點就是僅能實現單一的聚合需求，對于有多種聚合函數的情況是不適用的。此時，功能更為強大的agg函數隨之登場。agg是aggregation的縮寫，可見其是專門用于聚合統計的，其可以接收多種不同的聚合函數，因而更具可定制性。

agg函數主要接收兩個參數，第一個參數func用于接收聚合算子，可以是一個函數名或對象，也可以是一個函數列表，還可以是一個字典，使用方法很是靈活;第二參數axis則是指定聚合所沿著的軸向，默認是axis=0，即沿著行的方向對列聚合。agg的函數文檔如下：

這里，仍然以上述分組計數為例，講解groupby+agg的三種典型應用方式：

1、agg內接收聚合函數或聚合函數列表。具體實現形式也分為兩種，與前面groupby直接+聚合函數的用法類似。實際上，該種用法其實與groupby直接+聚合函數極為類似。

2、agg內接收聚合函數字典，其中key為列名，value為聚合函數或函數列表，可實現同時對多個不同列實現不同聚合統計。這里字典的key是要聚合的name字段，字典的value即為要用的聚合函數count，當然也可以是包含count的列表的形式。用字典傳入聚合函數的形式下，統計結果都是一個dataframe，更進一步的說當傳入字典的value是聚合函數列表時，結果中dataframe的列名是一個二級列名。

3、agg內接收新列名+元組，實現對指定列聚合并重命名。對于聚合函數不是特別復雜而又希望能同時完成聚合列的重命名時，可以選用此種方式，具體傳參形式實際上采用了python中可變字典參數**kwargs的用法，其中字典參數中的key是新列名，value是一個元組的形式，包括聚合字段列名和聚合函數。

groupby+apply如果說上述實現方式都還是pandas里中規中矩的聚合統計，那么這一種方式則是不是該算是一種騷操作?實際上，這是應用了pandas中apply的強大功能，具體可參考歷史推文Pandas中的這3個函數，沒想到竟成了我數據處理的主力。

由于apply支持了多種重載方法，所以對于分組后的grouped dataframe應用apply，也可實現特定的聚合函數統計功能。首先看如下實際應用：

在上述方法中，groupby('country')后的結果，實際上是得到了一個DataFrameGroupBy對象，實際上是一組(key, value)的集合，其中每個key對應country列中的一種取值，每個value為該key對應的一個子dataframe，具體拆解打印如下：

而后，groupby后面接的apply函數，實質上即為對每個分組下的子dataframe進行聚合，具體使用何種聚合方式則就看apply中傳入何種參數了!

總結本文針對一個最為基礎的聚合統計場景，介紹pandas中4類不同的實現方案，其中第一種value_counts不具有一般性，僅對分組計數需求適用;第二種groupby+聚合函數，是最為簡單和基礎的聚合統計，僅適用于單一聚合函數的需求;第三種groupby+agg，具有靈活多樣的傳參方式，是功能最為強大的聚合統計方案;而第四種groupby+apply則屬于是靈活應用了apply的重載功能，可以用于完成一些特定的統計需求。

最后，雖然本文以簡單的分組計數作為講解案例，但所提到的方法其實是能夠代表pandas中的各種聚合統計需求。