pandas groupby 方法实际上是如何工作的？答案

【问题标题】：How is pandas groupby method actually working?pandas groupby 方法实际上是如何工作的？
【发布时间】：2023-03-25 04:40:01
【问题描述】：

所以我试图理解 pandas.dataFrame.groupby() 函数，我在文档中遇到了这个例子：

    In [1]: df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
   ...:                           'foo', 'bar', 'foo', 'foo'],
   ...:                    'B' : ['one', 'one', 'two', 'three',
   ...:                           'two', 'two', 'one', 'three'],
   ...:                    'C' : np.random.randn(8),
   ...:                    'D' : np.random.randn(8)})
   ...: 

In [2]: df
Out[2]: 
     A      B         C         D
0  foo    one  0.469112 -0.861849
1  bar    one -0.282863 -2.104569
2  foo    two -1.509059 -0.494929
3  bar  three -1.135632  1.071804
4  foo    two  1.212112  0.721555
5  bar    two -0.173215 -0.706771
6  foo    one  0.119209 -1.039575
7  foo  three -1.044236  0.271860

为了进一步探索，我这样做了：

print(df.groupby('B').head())

它输出相同的数据帧，但是当我这样做时：

print(df.groupby('B'))

它给了我这个：

<pandas.core.groupby.DataFrameGroupBy object at 0x7f65a585b390>

这是什么意思？在普通的 dataFrame 中打印 .head() 只是输出前 5 行这里发生了什么？

还有为什么打印.head() 会提供与数据框相同的输出？不应该按'B'列的元素分组吗？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

当你使用时

df.groupby('A')

你会得到一个GroupBy object。那时您还没有对其应用任何功能。在后台，虽然这个定义可能并不完美，但您可以将groupby 对象视为：

(group, DataFrame) 对的迭代器，用于 DataFrame，或
(group, Series) 对的迭代器，用于 Series。

举例说明：

df = DataFrame({'A' : [1, 1, 2, 2], 'B' : [1, 2, 3, 4]})
grouped = df.groupby('A')

# each `i` is a tuple of (group, DataFrame)
# so your output here will be a little messy
for i in grouped:
    print(i)
(1,    A  B
0  1  1
1  1  2)
(2,    A  B
2  2  3
3  2  4)

# this version uses multiple counters
# in a single loop.  each `group` is a group, each
# `df` is its corresponding DataFrame
for group, df in grouped:
    print('group of A:', group, '\n')
    print(df, '\n')
group of A: 1 

   A  B
0  1  1
1  1  2 

group of A: 2 

   A  B
2  2  3
3  2  4 

# and if you just wanted to visualize the groups,
# your second counter is a "throwaway"
for group, _ in grouped:
    print('group of A:', group, '\n')
group of A: 1 

group of A: 2

现在.head。只需查看该方法的 docs：

基本等同于.apply(lambda x: x.head(n))

因此，您实际上是在对 groupby 对象的每个组应用一个函数。请记住，.head(5) 应用到每个组（每个 DataFrame），因此，由于每个组的行数少于或等于 5，因此您将获得原始 DataFrame。

考虑一下上面的例子。如果你使用.head(1)，你只会得到每组的前1行：

print(df.groupby('A').head(1))
   A  B
0  1  1
2  2  3

【讨论】：