|
1.groupby作用
groupby函数主要是用来进行数据的分组以及分组后的运算 该函数的语法顺序和逻辑执行顺序（我习惯是下面这样的书写顺序）：
df.groupby([Column1,Column2])[Condition1].agg({Column3: "mean",Column4:"sum"}).reset_index()
2.举例
写法1： 
a = df.groupby(['daily','behavior_type'])['user_id'].agg('count')
pd.DataFrame(a)
写法2：
table_time = df.groupby(['daily','behavior_type'])['user_id'].agg('count').unstack()
table_time
 绘图为：
table_time.plot.bar(figsize=(10,5))
 还可以用Pyecharts进行绘图：
from pyecharts import options as opts
from pyecharts.charts import Bar
c = (
Bar()
.add_xaxis(list(table_time.index)
)
.add_yaxis("buy", list(table_time.buy))
.add_yaxis("cart", list(table_time.cart))
.add_yaxis("collect", list(table_time.collect))
.add_yaxis("pv", list(table_time.pv))
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
title_opts=opts.TitleOpts(title="24小时的用户行为"),
)
.render("bar_daily.html")
)
  写法3：
b = df.groupby(['daily','behavior_type'])['user_id'].agg('count').reset_index().rename(columns={'user_id':'num'})
b
 相应绘图为：
sns.barplot(x='daily',y='num',hue='behavior_type',data=b)
3.unstack()和stack()
stack 的作用就是可以将横向的表头(列名)转成纵向的索引列展示，对于多行表头而言，具体要转换哪一行取决于 level 参数，如果不指定，则默认转换最下面一行表头，而unstack 则相反（stack就相当于聚堆，而unstack为解除这个堆） 经过stack可得到下表：
|