目前，台灣有多少大專院校會出現『陰盛陽衰』的現象？關於這個問題，我們可以透過Pandas的groupby()方法來找出答案。該功能非常強大，可以讓我們根據某個欄位的資料來分組，進而比較不同欄位的內容。
此處，我們將透過政府資料開放平台，下載109學年度的大專院校校別學生數資料集，然後對其進行分析。小編已將相關資料集放至Github，以便讀者直接讀取。首先，讓我們讀入資料集，並檢視前10列的資料：
欄位的數量看起來有點多，為了方便處理，我們只取出數個感興趣的欄位（『學校名稱』、『男生計』及『女生計』）進行分析即可。在取出特定欄位後，來調整一下欄位名稱，並檢視前10列的資料：
在Male欄位及Female欄位中，大於1000的數字都會用逗點來區隔（例如：『1000』會寫成『1,000』）。因此，電腦會將其中的資料視為字串，而非數值。若我們想比較這些欄位的數值資訊，就必須使用str.replace()將資料中的逗點拿掉，並使用astype()將欄位型別轉換為整數。
此外，小編在檢視原始CSV檔時發現，Male欄位和Female欄位中存在缺失值（以『-』來表示），如果不對此進行處理，就無法將它們轉換為數值欄位。同樣地，我們使用str.replace()來將這兩個欄位中的『-』取代為『0』。
至此，我們已經成功將與人數有關的欄位改成數值欄位了。接著，利用assign()將已清理過的欄位放回原本的DataFrame中。
假設我們想知道有幾所學校的女生人數較多，該怎麼做？請注意！原始資料集將學生資訊又細分為了博士班、碩士班等，所以同一所學校會有很多列的資料。我們得將某一學校中，不同列（即：博士班、碩士班等）的資料分別加總，然後才能比較學校間男女學生的人數。聽過去有些複雜，但幸好，我們可以用Pandas內建的groupby()先根據School欄位對資料進行分組。
呼叫groupby()後會得到groupby物件，其可用來進行聚合（aggregation）運算。何謂聚合？當我們彙總某一序列的資料，並傳回單一輸出值時，就是在進行聚合運算。計算某一數值欄位的最大值，就屬於聚合運算的一種。
在此處，我們先根據School欄位中的資料分組（因此，同一學校的資料會分到同一組），然後再對不同組別中，博士班、碩士班及學士班的男女學生人數進行加總，進而傳回該校的男生及女生總數。
為了進行加總，我們還需要兩個元素：聚合欄位及聚合函式。顧名思義，聚合欄位就是要進行聚合的欄位（即：Male欄位和Female欄位），而聚合函式則是進行聚合的方法，包括：sum()、min()、max()等。由於我們想對對同一個欄位的多列資料進行加總，因此所用的聚合函式即sum()。
有了各校的男生及女生總數後，便可建立一個布林遮罩（mask），篩選出女生人數大於男生人數的學校。將該遮罩傳入剛剛分組聚合輸出的DataFrame後，就可找到符合我們條件的學校了。
從輸出可見，共有71所大專院校的男生人數是大於女生人數的。我們可以進一步透過以下程式，找出『男生多於女生』的大專院校所佔之百分比：
以上程式的運行結果約為53.29，換句話說，在超過半數的大專院校中，會出現『陰盛陽衰』的現象。以上的程式範例已放到Colab筆記本中，有興趣的讀者可以自己跑跑看。
事實上，groupby()的功能不僅於此，讀者可以嘗試創建自己的聚合函式，並搭配groupby物件來一起使用。若想了解更多的範例，歡迎參考旗標出版的《Python資料分析必備套件！Pandas資料清理、重塑、過濾、視覺化》一書。全書涵蓋了 Pandas 資料分析的 114 技，保證您學好學滿！現正與《NumPy 高速運算徹底解說》合購75折優惠中，兩個Python熱門套件，幫您一次搞定！
