Pandas GroupBy对象 索引与迭代方法

让我们来详细讲解一下PandasGroupBy对象索引与迭代方法。

Pandas GroupBy对象

在Pandas中，GroupBy对象可以看作是一个特殊的DataFrame对象。GroupBy对象对数据集进行分组，以便进行一些对数据分组之后的计算和分析。我们可以使用GroupBy对象的apply()函数来将函数应用于每个分组数据。

Pandas GroupBy对象的索引

Pandas GroupBy对象的索引通常是由分组变量的唯一值组成的，这些值将数据集分成若干组。在GroupBy对象中可以使用. groups属性来访问分组的整数索引。下面是一个简单的例子：

import pandas as pd

data = {'name': ['Jack', 'Peter', 'Jill', 'Alice', 'Kelvin'],
        'subject': ['Physics', 'Physics', 'Math', 'Physics', 'Math'],
        'score': [85, 80, 75, 90, 92]}

df = pd.DataFrame(data)
grouped = df.groupby('subject')

print(grouped.groups)

运行结果如下：

{'Math': [2, 4], 'Physics': [0, 1, 3]}

其中，Math和Physics是分组变量中的唯一值，[2, 4]和[0, 1, 3]是每组数据的整数索引，对应于DataFrame对象中每行数据的位置。

Pandas GroupBy对象的迭代

我们可以使用GroupBy对象的迭代函数GroupBy.groups()来一次访问每个分组的数据。例如，可以使用for循环迭代遍历分组数据和分组索引，下面是一个简单的例子：

import pandas as pd

data = {'name': ['Jack', 'Peter', 'Jill', 'Alice', 'Kelvin'],
        'subject': ['Physics', 'Physics', 'Math', 'Physics', 'Math'],
        'score': [85, 80, 75, 90, 92]}

df = pd.DataFrame(data)
grouped = df.groupby('subject')

for group_name, group_data in grouped:
    print(group_name)
    print(group_data)

运行结果如下：

Math
    name subject  score
2   Jill    Math     75
4  Kelvin    Math     92
Physics
    name  subject  score
0   Jack  Physics     85
1  Peter  Physics     80
3  Alice  Physics     90

在上述例子中，GroupBy.groups()函数返回的是一个元组，分别代表分组的名称和分组数据。我们可以使用group_name来获取分组的名称，使用group_data来获取分组数据的DataFrame对象。

除了使用for循环迭代遍历分组数据，我们还可以使用GroupBy.get_group()函数来获取单个分组的数据。下面是一个简单的例子：

import pandas as pd

data = {'name': ['Jack', 'Peter', 'Jill', 'Alice', 'Kelvin'],
        'subject': ['Physics', 'Physics', 'Math', 'Physics', 'Math'],
        'score': [85, 80, 75, 90, 92]}

df = pd.DataFrame(data)
grouped = df.groupby('subject')

math_group = grouped.get_group('Math')
print(math_group)

运行结果如下：

     name subject  score
2    Jill    Math     75
4  Kelvin    Math     92

在上述例子中，我们使用了GroupBy.get_group('Math')函数来获取了Math分组的数据，返回的是一个DataFrame对象。

好了，以上就是Pandas GroupBy对象索引与迭代方法的详细介绍。希望对你有所帮助。