使用groupby（）和size（）方法计算每个项目包含的样本数量。

对于Multiindex，请在groupby（）的参数级别中指定多索引列名称，级别（层次结构）或其列表。

print(df_multi.groupby(level='Sex').size())
# Sex
# female    314
# male      577
# dtype: int64
print(df_multi.groupby(level=2).size())
# Embarked
# C    168
# Q     77
# S    644
# dtype: int64
print(df_multi.groupby(level=[0, 1, 2]).size())
# Sex     Pclass  Embarked
# female  1       C            43
#                 Q             1
#                 S            48
#         2       C             7
#                 Q             2
#                 S            67
#         3       C            23
#                 Q            33
#                 S            88
# male    1       C            42
#                 Q             1
#                 S            79
#         2       C            10
#                 Q             1
#                 S            97
#         3       C            43
#                 Q            39
#                 S           265
# dtype: int64
如果不是Multiindex，请在groupby（）的参数by中指定列名或列名列表。
 
print(df_single.groupby(by=['Sex', 'Pclass', 'Embarked']).size())
# Sex     Pclass  Embarked
# female  1       C            43
#                 Q             1
#                 S            48
#         2       C             7
#                 Q             2
#                 S            67
#         3       C            23
#                 Q            33
#                 S            88
# male    1       C            42
#                 Q             1
#                 S            79
#         2       C            10
#                 Q             1
#                 S            97
#         3       C            43
#                 Q            39
#                 S           265
# dtype: int64
                                    在multiIndex中选定指定索引的行
我们在用pandas类似groupby来使用多重index时，有时想要对多个level中的某个index对应的行进行操作，就需要在dataframe中找到该index对应的行，在单层index中我们可以方便的使用df.loc[index]来选择，在多重Index中我们可以利用的类似的思路，然而其中也有一些小坑，记录如下。
index为有序的
创建...
                                    元组(key1.key2)代表筛选多层索引，其中key1是索引第一级，key2是第二级，比如key1=JD, key2=2019-10-02。·列表[key1,key2]代表同一层的多个KEY，其中key1和key2是并列的同级索引，比如key1=JD, key2=BIDU。演示数据:百度、阿里巴巴、爱奇艺、京东四家公司的10天股票数据数据来自:英为财经。3、groupby等操作的结果，如果是多KEY，结果是分层索引，需要会使用。1、分层索引:在一个轴向上拥有多个索引层级，可以表达更高维度数据的形式;
假设有 5 个人，分别参加了 4 门课程，获得了对应的分数
同时这个 5 个人分别负责的项目个数 在 ‘Project_num’ 列中显示
data = {‘name’ : pd.Series([‘Alice’, ‘Bob’, ‘Cathy’, ‘Dany’, ‘Ella’, ‘Ford’, ‘Gary’, ‘Ham’, ‘Ico’, ‘Jack’]),
    'Math_A' : pd.Series([1.1, 2.2, 3.3, 4.4, 5, 3
                                    在《pandas数据框，统计某列数据与其他文件对应关系的个数》之后，我发觉简单版的元素个数统计问题没有说清楚，就在这里介绍两个统计pandas数据框里面列、行元素个数的方法：代码如下：import pandas as pd
import numpy as np
df = pd.DataFrame(np.zeros((8,4)))#新建一个数据框
df.iloc[2:6,0]=1#将第0列的第3行...
                                    http://blog.csdn.net/pipisorry/article/details/25625799汇总和计算描述统计：统计函数pandas对象拥有一组常用的数学和统计方法。它们大部分都属于约简和汇总统计，用于从Series中提取的个值（如sum或mean)或从DataFrame的行或列中提取一个Series。跟对应的NumPy数组方法相比，它们都是基于没有缺失数据的假设而构建的。数学运...