5 数据聚合与数据透视
① 数据聚合
一.定义
通过不同变量对大型数据帧进行分组，以及对每个组应用汇总函数的任务。这时需在pandas中使用DataFrame对象的groupby函数和 agg函数完成。
二.导入实验数据集
三.数据集字段释义
phone.csv数据集包含830个记录共7个字段，以下对各字段进行简单解释
index：数据集索引；
date：输入的日期和时间；
duration：每个呼叫的持续时间（以秒为单位），每个数据条目的数据量（以 MB 为单位），以及每个 sms 条目发送的文本数（通常为 1）；
item：事件发生的描述——可以是呼叫，短信或者数据之一；
month：每个条目所属的结算月份——形式为 “YYYY-MM”；
network：为每个条目调用 / 发送的移动网络；
network_type：被呼叫的号码是移动，国际，语音邮件，固定电话还是其他特殊号码。
预处理date字段
四.简单聚合DataFrame
五.groupby
groupby函数将返回groupby对象，但实际上描述了如何拆分原始数据集的行。groupby对象groups变量是一个字典，其键(keys)是计算的唯一组，对应的值是属于每个组的轴标签。
1.聚合DataFrame中的组
2.具体示例
max()，min()，mean()，first()，last()等函数，可以快速应用于groupby对象，以获取每个组的汇总统计信息。groupby是一个非常有用的函数，可以从每个摘要中查看不同的变量。
3.注意要点
六.agg
agg函数提供的聚合功能允许在一次计算中按组计算多个统计数据。语法很简单，聚合指令以字典或列表的形式提供。
1.将单个函数应用于组中的列
2.将多个函数应用于组中的列
② 数据透视
一.定义
大多数人可能都有使用Excel中的数据透视表的经验。pandas提供了一个类似的功能，称为pivot_table。
二.导入实验数据集
三.数据透视
1.单索引
2.多索引
3.values字段显示定义我们关系的列
4.aggfunc可进行数据运算
5.columns变量可以定义一个或多个列
6.margins = True可以查看汇总数据
7.高级数据透视表过滤
