1. 分组后过滤filter()

如果分组之后，想要对小组数据聚合情况进行组筛选（将属于某类组的数据都删除），该怎么做？

这时，分组之后可以用filter()方法：

data=pd.read_excel("/data/Items_data.xlsx")
data.head()

data数据中每个商品生产地中商品的平均售价情况如下：

data.groupby("商品生产地")["售价"].mean()

使用filter()方法，筛选出平均售价大于500的商品生产地，从上面的数据来看，就把深圳的数据过滤了

2. 分组后转换transform()

转换操作返回一个新的全量数据,数据转换之后的形状和原来的是一样的，常见的例子是实现数据标准化

如果我们想以商品生产地分组，对产品的售价进行组内标准化(每个产品的售价减去自己商品生产地的售价均值)，可以尝试进行如下操作:

def standar(x):
    return x-x.mean()  #这里面的x其实是用来传输groupby对象的每一小组，x-x.mean()其实用了广播
    
data.groupby("商品生产地")["售价"].transform(standar)

3. 分组后应用apply()

如果你想在分组后对小组使用任意方法，可以使用apply()。

a. 输入一个分组数据的DataFrame进apply()，可以返回一个DataFrame或Series或一个标量。
b. group()和apply()的组合操作可以适应apply()返回的结果类型，因此非常灵活。

我们想对售价分组之后归一化（当前值减去最小值除以最大值减最小值的差）

def ratings_norm(df):
    min_value = df["售价"].min()
    max_value = df["售价"].max()
    df["售价_norm"] = df["售价"].apply(
        lambda x: (x - min_value) / (max_value - min_value))
    return df

data.groupby("商品生产地").apply(ratings_norm)