Pandas 如何对DataFrame进行分组，并保留特定的列

在本文中，我们将介绍如何对Pandas中的DataFrame进行分组操作，并仅保留我们感兴趣的列。可以通过利用Pandas中的groupby()函数来实现这个功能。

对于分组操作，通常有四个步骤：

1. 将数据按照我们关心的特定列进行分组
2. 对分组后的数据应用我们需要的运算(如平均值、求和等)
3. 将处理后的结果重新组合为一个新的DataFrame
4. 保留我们需要的列

下面我们通过一个实际的例子来说明如何使用groupby()函数进行分组，并且只保留我们需要的列。

阅读更多：Pandas 教程

示例数据

我们使用以下的数据作为本文的示例。

import pandas as pd

data = {'Year': ['2015', '2015', '2016', '2016', '2016'],
        'Region': ['North', 'South', 'North', 'South', 'North'],
        'Sales': [100, 200, 300, 400, 500]}

df = pd.DataFrame(data)

上述代码创建了一个简单的DataFrame，其中包含了销售数据以及年份和地区的信息。现在我们可以使用groupby()函数将数据按照年份进行分组，并对销售数据求和。

grouped = df.groupby('Year')['Sales'].sum()

print(grouped)

执行上述代码，输出结果如下：

Year
2015    300
2016    1200
Name: Sales, dtype: int64

在分组操作中，我们在groupby()函数中传入列名来指定按照哪一列进行分组，并在结果上进行运算，比如对于Sales列的求和操作。

分组操作并保留特定的列

如果我们只对特定列进行分组，并保留其他的列，我们可以使用以下的代码。

grouped = df.groupby('Year', as_index=False)['Sales'].sum()

print(grouped)

执行上述代码，输出结果如下：

   Year  Sales
0  2015    300
1  2016   1200

在上述代码中，我们在groupby()函数中传入了as_index=False参数，这样数据集中索引列就会作为普通列进行处理。这样在结果中就不会出现索引列。

除了使用groupby()函数外，我们还可以使用agg()函数对结果进行聚合。请看以下的代码。

grouped = df.groupby('Year').agg({'Sales': 'sum', 'Region': 'first'})

print(grouped)

执行上述代码，输出结果如下：

      Sales Region
Year             
2015    300  North
2016   1200  North

在上述代码中，我们对Sales和Region列进行分组。对于Sales列，我们计算它们的总数；对于Region列，我们只选择第一个值，也就是我们关心的那个。

总结

在本文中，我们介绍了如何对Pandas中的DataFrame进行分组操作，并且只保留我们感兴趣的列。使用groupby()函数进行分组，使用agg()函数对结果进行聚合可以实现这一操作。这样，我们就可以有效地处理复杂数据集。