从 Pandas 中的 GroupBy 对象中获取所有键答案

【问题标题】：Get all keys from GroupBy object in Pandas从 Pandas 中的 GroupBy 对象中获取所有键
【发布时间】：2017-07-19 16:15:58
【问题描述】：

我正在寻找一种方法来获取 GroupBy 对象中所有键的列表，但我似乎无法通过文档或 Google 找到一个。

肯定有一种方法可以通过它们的密钥访问组，如下所示：

df_gb = df.groupby(['EmployeeNumber'])
df_gb.get_group(key)

...所以我认为有一种方法可以访问 GroupBy 对象中的键列表（或类似列表）。我正在寻找这样的东西：

df_gb.keys
Out: [1234, 2356, 6894, 9492]

我想我可以遍历 GroupBy 对象并以这种方式获取密钥，但我认为必须有更好的方法。

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以通过groupby 对象上的属性.groups 访问它，这将返回一个字典，字典的键为您提供组：

In [40]:
df = pd.DataFrame({'group':[0,1,1,1,2,2,3,3,3], 'val':np.arange(9)})
gp = df.groupby('group')
gp.groups.keys()

Out[40]:
dict_keys([0, 1, 2, 3])

这是groups的输出：

In [41]:
gp.groups

Out[41]:
{0: Int64Index([0], dtype='int64'),
 1: Int64Index([1, 2, 3], dtype='int64'),
 2: Int64Index([4, 5], dtype='int64'),
 3: Int64Index([6, 7, 8], dtype='int64')}

更新

看起来是这样的，因为groups 的类型是dict，所以当您调用keys 时，不会维护组顺序：

In [65]:
df = pd.DataFrame({'group':list('bgaaabxeb'), 'val':np.arange(9)})
gp = df.groupby('group')
gp.groups.keys()

Out[65]:
dict_keys(['b', 'e', 'g', 'a', 'x'])

如果您致电groups，您可以看到订单保持不变：

In [79]:
gp.groups

Out[79]:
{'a': Int64Index([2, 3, 4], dtype='int64'),
 'b': Int64Index([0, 5, 8], dtype='int64'),
 'e': Int64Index([7], dtype='int64'),
 'g': Int64Index([1], dtype='int64'),
 'x': Int64Index([6], dtype='int64')}

然后维护密钥顺序，解决此问题的方法是访问每个组的.name 属性：

In [78]:
gp.apply(lambda x: x.name)

Out[78]:
group
a    a
b    b
e    e
g    g
x    x
dtype: object

这不是很好，因为这不是矢量化的，但是如果您已经有一个聚合对象，那么您可以获取索引值：

In [81]:
agg = gp.sum()
agg

Out[81]:
       val
group     
a        9
b       13
e        7
g        1
x        6

In [83]:    
agg.index.get_level_values(0)

Out[83]:
Index(['a', 'b', 'e', 'g', 'x'], dtype='object', name='group')

【讨论】：

【解决方案2】：

EdChum 回答的一个问题是，通过启动gp.groups.keys() 来获取密钥首先会构建完整的组字典。在大型数据帧上，这是一个非常缓慢的操作，实际上会使内存消耗翻倍。迭代速度更快：

df = pd.DataFrame({'group':list('bgaaabxeb'), 'val':np.arange(9)})
gp = df.groupby('group')
keys = [key for key, _ in gp]

执行这个列表理解让我在我的 groupby 对象上使用了16 s，而我不得不在 3 分钟后打断 gp.groups.keys()。

【讨论】：

【解决方案3】：

使用选项 sort=False 保留组键顺序 gp = df.groupby('group', sort=False)

【讨论】：