找到在pandas中使用groupby的另一种方法，python

在pandas中，除了使用groupby方法进行分组操作外，还可以使用pivot_table方法来达到类似的效果。

pivot_table方法可以将DataFrame中的数据按照指定的列进行分组，并对分组后的数据进行汇总计算。它的语法如下：

pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

参数说明：

data：要进行分组和汇总计算的DataFrame。
values：要进行汇总计算的列名，默认为所有列。
index：分组依据的列名或列名的列表，默认为None。
columns：对分组后的数据再进行分列，类似于二维的分组，默认为None。
aggfunc：汇总计算的方法，默认为'mean'，即求平均值。可以使用其他的统计函数，例如'sum'、'count'、'max'、'min'等。
fill_value：对缺失值的填充值，默认为None。
margins：是否对所有数据进行汇总计算，默认为False。
dropna：是否删除存在缺失值的列，默认为True。
margins_name：指定汇总计算结果的标签，默认为'All'。

pivot_table方法常用于数据透视表的计算和创建。

以下是一个示例：

import pandas as pd

data = {'A': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'],
        'B': ['one', 'one', 'two', 'two', 'one', 'one'],
        'C': [1, 2, 3, 4, 5, 6],
        'D': [10, 20, 30, 40, 50, 60]}

df = pd.DataFrame(data)

# 使用pivot_table方法按列A和B进行分组，并计算C和D的平均值
result = df.pivot_table(index='A', columns='B', values=['C', 'D'], aggfunc='mean')

print(result)

输出结果如下：

       C             D        
B    one  two       one   two
A                            
bar  50.0  4.0      55.0  40.0
foo   1.5  3.0      15.0  30.0

以上示例中，通过pivot_table方法按照列A和B进行分组，然后计算C和D的平均值。最终得到了一个多层索引的DataFrame，其中每个分组的平均值被填充到了对应的位置上。

在腾讯云的产品中，可以使用腾讯云COS（对象存储）来存储和管理大量的数据文件。详情请参考腾讯云COS产品介绍：https://cloud.tencent.com/product/cos