這些函式可以統稱為"聚合函式"

mysql:

1、AVG()返回某列的平均值

2、COUNT()返回某列的行數

3、MAX()返回某列的最大值

4、MIN()返回某列的最小值

5、SUM()返回某個列之和

除此之外, sqlserver中還有些很少用的:

1、 求方差：var

2、 求總體方差：varp

3、 標準偏差：stdev

4、 求總體標準偏差：stdevp

5、 求校驗和：checksum_agg

6、 求個數：count_big

7、 用於測試 cube 或 rollup 空值：grouping

pandas提供了一個靈活高效的groupby功能，它使你能以一種自然的方式對資料集進行切片、切塊、摘要等操作。根據一個或多個鍵（可以是函式、陣列或DataFrame列名）拆分pandas物件。計算分組摘要統計，如計數、平均值、標準差，或使用者自定義函式。對DataFrame的列應用各種各樣的函式。應用組內轉換或其他運算，如規格化、線性迴歸、排名或選取子集等。計算透視表或交叉表。執行分位數分析以及其他分組分析。 1、首先來看看下面這個非常簡單的表格型資料集（以DataFrame的形式）： 123456789101112 >>> import pandas as pd>>> df = pd.DataFrame({"key1":["a", "a", "b", "b", "a"],... "key2":["one", "two", "one", "two", "one"],... "data1":np.random.randn(5),... "data2":np.random.randn(5)})>>> df data1 data2 key1 key20 -0.410673 0.519378 a one1 -2.120793 0.199074 a two2 0.642216 -0.143671 b one3 0.975133 -0.592994 b two4 -1.017495 -0.530459 a one 假設你想要按key1進行分組，並計算data1列的平均值，我們可以訪問data1，並根據key1呼叫groupby： 123 >>> grouped = df["data1"].groupby(df["key1"])>>> grouped