用pandas分组聚合数据时发现，分组时会自动把分组条件的列中是空值的数据给去掉。效果如下：
分组时自动把申请单号是空的那行数据过滤掉了。但申请号是空的数据也是有意义的，这时候该怎么处理？
Baidu了一下没发现groupby方法中有什么参数能指定不要过滤掉空值，只好曲线救国了：
我们给这个列的空值赋值一个特殊的值，保证不会和其他的申请单号重复，然后再分组就OK了，效果是这样的：
效果是达到了，但总感觉这么操作有点low，如果有朋友知道更‘正确’的操作，麻烦评论区告诉下，比心。
就这样了，啥也不是，散会！
用pandas分组聚合数据时发现，分组时会自动把分组条件的列中是空值的数据给去掉。效果如下：分组时自动把申请单号是空的那行数据过滤掉了。但申请号是空的数据也是有意义的，那这时候该怎么处理了？Baidu了一下没发现groupby方法中有什么参数能指定不要过滤掉空值，只好曲线救国了：我们给这个列的空值赋值一个特殊的值，保证不会和其他的申请单号重复，然后再分组就OK了，效果是这样的：效果是达到了，但总感觉这么操作有点low，如果有朋友知道更‘正确’的操作，麻烦评论区告诉下，比心。就这样
今天偶然发现，当有
空值
时，
group
yby会自动删除整行，也就是说不会显示出有
空值
得分组变量，我们得
解决
办法就是填充
空值
。
直接上代码了：
import
pandas
as pd
import numpy as np
data = pd.read_excel('C:\\Users\\17621802479\\Desktop\\源数据.xlsx',sheet_name='元数据')
print(da...
最近在自学MySQL，跟着视频练练手，
遇到
了一些小问题百思不得其解，只能先MARK下来，待以后继续慢慢思考
有两行表（其他用不上的字段先不考虑了）：
员工表（包含员工ID、员工名、部门ID）
部门表（包含部门ID、部门名字）
现在要查询每个部门的员工人数，考虑用
group
by按部门进行分组查询，语法如下：
SELECT d., COUNT() 人数
FROM departments d
LEFT...
在数据分析时，经常需要将数据分成不同的群组，
pandas
中的
group
by()函数可以完美地完成各种分组操作。
分组是根据DataFrame/Series的某个字段值，将该字段的值相等的行/列分到同一组中，每一个小组是一个新的DataFrame或Series。
group
by()也可以按DataFrame中的多个字段分组，当多个字段的值都相等时分到同一组。
group
by()经常与批处理函数apply()、聚合函数agg()等配合使用，实现对数据的多元处理。
Null值属于任何类型，它和空字符不一样，空字符它是属于varchar2的数据类型，但是null可以是任何数据类型，因此在处理
空值
的时候特别要小心。示例：在oracle中的模版示例中有emp表，我们知道有一列deptno列，但是其中没有任何一个员工，因此对它进行
group
by 的时候，如果不加
group
by 的时候， 它会返回一行数据，但是如果加了结果就不是预想的那样了。来做一个演示：
返回值是个重构格式的DataFrame
Group
By object，没法直接输出
('AF', country beer_servings spirit_servings wine_servings \
2 Algeria 25 0
【问题场景】
在对销售数据进行上卷的时候，使用dataframe进行
group
by操作，发现
group
by之后的"销售金额"的和比没有进行
group
by之前的和要少几百万。由于数据量有几十万条，不可能一条一条的对比是那些数据没有进行计算。百度一个多小时，没有结果。
然后不同角度去检查dataframe的问题，使用info查看dataframe信息的时候，看到一个字段有缺失值；
【
解决
办法】
对在
group
by函数中需要分组的列进行缺失值填充，然后再进行
group
by操作和聚合函数。
CREATE TABLE IF NOT EXISTS A(id INT PRIMARY KEY AUTO_INCREMENT ,NAME VARCHAR(10)) ;
CREATE TABLE IF NOT EXISTS B(id INT PRIMARY KEY AUTO_INCREMENT ,NAME VARCHAR(10) ,aid INT NOT NULL) ;
INSERT INTO A
import
pandas
as pd
import numpy as np#导入数据
type_specified={"trip_id":"object","bikeid":"object","from_station_id":"object","to_station_id":"object",
"hour":"object","weekday":"object"}
`
pandas
` 的 `
group
by` 函数是一种非常有用的数据分析工具，它允许将数据按照某些条件分组，并对每个分组进行操作。
使用 `
group
by` 函数，您可以按照一个或多个列对数据进行分组，并对每个分组应用一些函数，如求和、平均值、计数等。此外，`
group
by` 函数还支持对分组后的数据进行迭代、过滤和转换等操作。
下面是一个示例代码，它按照 `A` 列的值对数据进行分组，并对每个分组求和：
```python
import
pandas
as pd
# 创建一个示例数据集
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
'C': [1, 2, 3, 4, 5, 6, 7, 8],
'D': [10, 20, 30, 40, 50, 60, 70, 80]})
# 按照 A 列的值对数据进行分组，并对每个分组求和
group
ed = df.
group
by('A').sum()
print(
group
ed)
输出结果为：
C D
bar 12 120
foo 24 255
在上面的示例中，我们首先创建了一个包含四列的数据集 `df`，然后使用 `
group
by` 函数按照 `A` 列的值对数据进行分组，并对每个分组的 `C` 和 `D` 列进行求和，最终得到了一个包含两行两列的数据框 `
group
ed`。
