Pandas过滤器，分组，然后转换

Pandas是一个基于Python的数据分析库，提供了丰富的数据结构和数据处理工具，可以帮助我们进行数据的过滤、分组和转换操作。

过滤器(Filter): 在Pandas中，我们可以使用过滤器来选择满足特定条件的数据。过滤器可以通过布尔索引、条件表达式或者自定义函数来实现。以下是一些常用的过滤器方法：
- 布尔索引：使用布尔数组来选择满足条件的行或列。
- 条件表达式：使用比较运算符（如等于、大于、小于等）来筛选数据。
- query()方法：使用类似SQL的语法来进行数据筛选。

分组(GroupBy): 分组是一种常用的数据处理操作，可以将数据按照某个或多个列的值进行分组，并对每个分组进行聚合、转换或其他操作。Pandas提供了groupby()方法来实现分组操作。以下是一些常用的分组操作：
- 聚合操作：对分组后的数据进行统计计算，如求和、平均值、最大值等。
- 转换操作：对分组后的数据进行变换，如标准化、填充缺失值等。
- 过滤操作：根据分组的条件筛选数据。
转换(Transform): 转换是指对数据进行修改或重构的操作。在Pandas中，我们可以使用apply()方法来对数据进行转换。apply()方法可以接受一个函数作为参数，对数据进行逐行或逐列的处理。以下是一些常用的转换操作：
- 数据类型转换：将数据转换为指定的数据类型，如字符串转换为数值型。
- 数据重构：对数据进行重塑、合并或拆分，如透视表、合并表等。
- 数据计算：对数据进行计算，如新增一列、计算累计值等。

Pandas过滤器、分组和转换的应用场景非常广泛，适用于各种数据分析和处理任务。例如：