Pandas GroupBy对象 索引与迭代方法


						如下所示：





import pandas as pd

df = pd.DataFrame({'性别' : ['男', '女', '男', '女',

        '男', '女', '男', '男'],

      '成绩' : ['优秀', '优秀', '及格', '差',

        '及格', '及格', '优秀', '差'],

      '年龄' : [15,14,15,12,13,14,15,16]})

GroupBy=df.groupby("性别")



GroupBy.iter() 

GroupBy对象是一个迭代对象，每次迭代结果是一个元组，元组的第一个元素是该组的名称(就是groupby的列的元素名称)，第二个元素是该组的具体信息，是一个数据框，索引是以前的数据框的总索引





for name,group in GroupBy:

 print(name)

 print(group)

女

 年龄 性别 成绩

1 14 女 优秀

3 12 女 差

5 14 女 及格

男

 年龄 性别 成绩

0 15 男 优秀

2 15 男 及格

4 13 男 及格

6 15 男 优秀

7 16 男 差



GroupBy.groups 

显示分组的组名，以及所对应的索引





print(GroupBy.groups)

{'女': Int64Index([1, 3, 5], dtype='int64'), '男': Int64Index([0, 2, 4, 6, 7], dtype='int64')}



GroupBy.indices 

类似于GroupBy.groups





print(GroupBy.indices)

{'女': array([1, 3, 5], dtype=int64), '男': array([0, 2, 4, 6, 7], dtype=int64)}



GroupBy.get_group(name[, obj]) 

获得某一个分组的具体信息





In [2]: GroupBy.get_group("男")

Out[2]: 

 年龄 性别 成绩

0 15 男 优秀

2 15 男 及格

4 13 男 及格

6 15 男 优秀

7 16 男 差



Grouper([key, level, freq, axis, sort])

应用

可以先通过循环获得所有的组的名称





for name in GroupBy:

 print(name)# 获得所有分组的名称

 GroupBy.get_group(name) #获得所有该名称的数据





以上这篇Pandas GroupBy对象 索引与迭代方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持中文源码网。