pandas.DataFrame.groupby#
- DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=NoDefault.no_default, squeeze=NoDefault.no_default, observed=False, dropna=True)[源代码]#
使用映射器或按一系列列对DataFrame进行分组。
GROUP BY操作涉及拆分对象、应用函数和合并结果的某种组合。这可用于对这些组上的大量数据和计算操作进行分组。
- 参数
- by映射、函数、标签或标签列表
用于确定Groupby的组。如果
by
是一个函数,它在对象索引的每个值上被调用。如果传递了DICT或Series,则将使用Series或Dict值来确定组(首先对齐序列的值;请参见.align()
方法)。如果传递了长度等于所选轴的列表或ndarray(请参见 groupby user guide ),则按原样使用这些值来确定组。标签或标签列表可以传递给GROUP BYself
。请注意,元组被解释为(单个)键。- axis{0或‘index’,1或‘Columns’},默认为0
沿行(0)或列(1)拆分。
- levelInt、级别名称或其序列,默认为无
如果轴是多索引(分层),则按一个或多个特定级别分组。
- as_index布尔值,默认为True
对于聚合输出,返回以组标签作为索引的对象。仅与DataFrame输入相关。AS_INDEX=FALSE实际上是“SQL风格”的分组输出。
- sort布尔值,默认为True
对组键进行排序。通过关闭此选项可获得更好的性能。注意:这不会影响每组内观察的顺序。Groupby保留每个组中行的顺序。
- group_keys布尔值,可选
调用Apply时,将组键添加到索引以标识条目。默认情况下,当结果的索引(和列)标签与输入匹配时,不包括组键,否则包括组键。
在 1.5.0 版更改: 警告说 group_keys 的结果时将不再被忽略
apply
是类似索引的系列或DataFrame。指定group_keys
是否明确包含组密钥。- squeeze布尔值,默认为False
如果可能,降低返回类型的维度,否则返回一致的类型。
1.1.0 版后已移除.
- observed布尔值,默认为False
这只适用于任何一个石斑鱼是绝对的。如果为True:仅显示类别分组的观测值。如果为False:显示分类分组的所有值。
- dropna布尔值,默认为True
如果为True,并且组键包含NA值,则NA值与行/列一起将被删除。如果为False,则NA值也将被视为组中的关键字。
1.1.0 新版功能.
- 退货
- DataFrameGroupBy
返回包含有关组的信息的Groupby对象。
参见
resample
一种方便的时间序列频率变换和重采样方法。
注意事项
请参阅 user guide 获取更详细的用法和示例,包括将对象拆分成组、遍历组、选择组、聚合等。
示例
>>> df = pd.DataFrame({'Animal': ['Falcon', 'Falcon', ... 'Parrot', 'Parrot'], ... 'Max Speed': [380., 370., 24., 26.]}) >>> df Animal Max Speed 0 Falcon 380.0 1 Falcon 370.0 2 Parrot 24.0 3 Parrot 26.0 >>> df.groupby(['Animal']).mean() Max Speed Animal Falcon 375.0 Parrot 25.0
层次指数
属性可以按层次索引的不同级别进行分组。 level 参数:
>>> arrays = [['Falcon', 'Falcon', 'Parrot', 'Parrot'], ... ['Captive', 'Wild', 'Captive', 'Wild']] >>> index = pd.MultiIndex.from_arrays(arrays, names=('Animal', 'Type')) >>> df = pd.DataFrame({'Max Speed': [390., 350., 30., 20.]}, ... index=index) >>> df Max Speed Animal Type Falcon Captive 390.0 Wild 350.0 Parrot Captive 30.0 Wild 20.0 >>> df.groupby(level=0).mean() Max Speed Animal Falcon 370.0 Parrot 25.0 >>> df.groupby(level="Type").mean() Max Speed Type Captive 210.0 Wild 185.0
我们还可以通过设置来选择是否将NA包括在组密钥中 dropna 参数,则默认设置为 True 。
>>> l = [[1, 2, 3], [1, None, 4], [2, 1, 3], [1, 2, 2]] >>> df = pd.DataFrame(l, columns=["a", "b", "c"])
>>> df.groupby(by=["b"]).sum() a c b 1.0 2 3 2.0 2 5
>>> df.groupby(by=["b"], dropna=False).sum() a c b 1.0 2 3 2.0 2 5 NaN 1 4
>>> l = [["a", 12, 12], [None, 12.3, 33.], ["b", 12.3, 123], ["a", 1, 1]] >>> df = pd.DataFrame(l, columns=["a", "b", "c"])
>>> df.groupby(by="a").sum() b c a a 13.0 13.0 b 12.3 123.0
>>> df.groupby(by="a", dropna=False).sum() b c a a 13.0 13.0 b 12.3 123.0 NaN 12.3 33.0
在使用时
.apply()
,使用group_keys
包括或排除组密钥。这个group_keys
参数默认为True
(包括)。>>> df = pd.DataFrame({'Animal': ['Falcon', 'Falcon', ... 'Parrot', 'Parrot'], ... 'Max Speed': [380., 370., 24., 26.]}) >>> df.groupby("Animal", group_keys=True).apply(lambda x: x) Animal Max Speed Animal Falcon 0 Falcon 380.0 1 Falcon 370.0 Parrot 2 Parrot 24.0 3 Parrot 26.0
>>> df.groupby("Animal", group_keys=False).apply(lambda x: x) Animal Max Speed 0 Falcon 380.0 1 Falcon 370.0 2 Parrot 24.0 3 Parrot 26.0