groupby语法

df.groupby(
    by=None,
    axis=0,
    level=None,
    as_index: bool = True,
    sort: bool = True,
    group_keys: bool = True,
    squeeze: bool = False,
    observed: bool = False,
) 
1
2
3
4
5
6
7
8
9
10

GroupBy 四种分组键

DataFrame列名的值

• 其中列名可以是一个单列名，也可以是一个包含多列名的数组
• 列名变成分组后index行索引的名字
• as_index设成False的时候，禁用分组键作为行索引
  
  

可以将分组轴向上的值和分组名称相匹配的字典或者Series

Series

字典

字典中的键不需要包含所有的index，也可以包含index中没有的键

与需要分组的轴向长度一致的值列表或者值数组

• 当使用值列表时，分组的index不再有默认名字
  

可以在轴索引或者索引中的单个标签上调用的函数

作为分组键传递的函数将会按照每个索引值调用一次，同时返回值会被用作分组名称。

groupby().get_group()

pandas按照列groupby后，可以按照值取对应的group。
当对多列进行groupby时，get_group时需要输入多列值的tuple，比如get_group((‘a’, 1))，其中’a’为第一个group列中的某个值，1为第二个group列中的某个值。

import pandas as pd
df = pd.DataFrame({'col1':['a', 'b', 'c','a', 'b', 'c'], 'col2':[1,2,3,4,5,6]})
df
>>> col1	col2
0	a	1
1	b	2
2	c	3
3	a	4
4	b	5
5	c	6

df.groupby('col1').get_group('a')
>>> col1	col2
0	a	1
3	a	4

df.groupby(['col1', 'col2']).get_group(('a', 1))
>>> col1	col2
0	a	1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19