如何在DataFrame中实现SQL的分组统计

要在Python的pandas库中实现类似于SQL的分组统计，可以使用groupby()和agg()函数

首先，我们需要导入pandas库并创建一个DataFrame。这里是一个简单的例子：

import pandas as pd

data = https://www.yisu.com/ask/{'Category': ['A', 'B', 'A', 'A', 'B', 'A', 'B', 'B'],
        'Value': [10, 20, 30, 40, 10, 30, 20, 40]}

df = pd.DataFrame(data)

上述代码将创建一个如下所示的DataFrame：

  Category  Value
0        A     10
1        B     20
2        A     30
3        A     40
4        B     10
5        A     30
6        B     20
7        B     40

现在，我们可以使用groupby()和agg()函数对Category列进行分组统计，并计算Value列的总和、平均值、最小值和最大值。

result = df.groupby('Category')['Value'].agg(['sum', 'mean', 'min', 'max'])

result DataFrame将如下所示：

         sum  mean  min  max
Category                  
A          110  27.5   10   40
B           90  22.5   10   40

在这个例子中，我们使用了agg()函数来指定我们想要对Value列执行的统计操作。你可以根据需要添加或删除统计操作。其他常用的统计操作包括'count'、'median'、'var'和'std'等。