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',...: 'foo','foo'],...: 'B' : ['one','one','two','three',...: 'two','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
不进一步探索我做了这个：
print(df.groupby('B').head())
它输出相同的dataFrame,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()只输出前5行所发生的事情？
还有为什么打印.head()会提供与数据帧相同的输出？它不应该按“B”列的元素分组吗？
解决方法
当你使用时
df.groupby('A')
你得到一个groupby object.你还没有应用任何功能.在引擎盖下,虽然这个定义可能不完美,但您可以将groupby对象视为：
>(group,DataFrame)对的迭代器,用于DataFrame,或
> Series(系列)对的迭代器,用于Series.
为了显示：
df = DataFrame({'A' : [1,1,2,2],'B' : [1,3,4]})
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:','\n')
group of A: 1
group of A: 2
Essentially equivalent to
.apply(lambda x: x.head(n))
所以这里你实际上是将一个函数应用于groupby对象的每个组.请记住.head(5)应用于每个组(每个DataFrame),因为每组有少于或等于5行,您将获得原始DataFrame.
请考虑以上示例.如果使用.head(1),则只获得每组的前1行：
print(df.groupby('A').head(1))
A B
0 1 1
2 2 3