Pandas GroupBy對象 索引與迭代方法
如下所示:
import pandas as pd df = pd.DataFrame({'性別' : ['男', '女', '男', '女', '男', '女', '男', '男'], '成績' : ['優(yōu)秀', '優(yōu)秀', '及格', '差', '及格', '及格', '優(yōu)秀', '差'], '年齡' : [15,14,15,12,13,14,15,16]}) GroupBy=df.groupby("性別")
GroupBy.iter()
GroupBy對象是一個迭代對象,每次迭代結(jié)果是一個元組,元組的第一個元素是該組的名稱(就是groupby的列的元素名稱),第二個元素是該組的具體信息,是一個數(shù)據(jù)框,索引是以前的數(shù)據(jù)框的總索引
for name,group in GroupBy: print(name) print(group) 女 年齡 性別 成績 1 14 女 優(yōu)秀 3 12 女 差 5 14 女 及格 男 年齡 性別 成績 0 15 男 優(yōu)秀 2 15 男 及格 4 13 男 及格 6 15 男 優(yōu)秀 7 16 男 差
GroupBy.groups
顯示分組的組名,以及所對應(yīng)的索引
print(GroupBy.groups) {'女': Int64Index([1, 3, 5], dtype='int64'), '男': Int64Index([0, 2, 4, 6, 7], dtype='int64')}
GroupBy.indices
類似于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])
獲得某一個分組的具體信息
In [2]: GroupBy.get_group("男") Out[2]: 年齡 性別 成績 0 15 男 優(yōu)秀 2 15 男 及格 4 13 男 及格 6 15 男 優(yōu)秀 7 16 男 差
Grouper([key, level, freq, axis, sort])
應(yīng)用
可以先通過循環(huán)獲得所有的組的名稱
for name in GroupBy: print(name)# 獲得所有分組的名稱 GroupBy.get_group(name) #獲得所有該名稱的數(shù)據(jù)
以上這篇Pandas GroupBy對象 索引與迭代方法就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
- pandas groupby分組對象的組內(nèi)排序解決方案
- pandas groupby + unstack的使用說明
- pandas數(shù)據(jù)分組groupby()和統(tǒng)計函數(shù)agg()的使用
- pandas之分組groupby()的使用整理與總結(jié)
- Pandas之groupby( )用法筆記小結(jié)
- 利用Pandas和Numpy按時間戳將數(shù)據(jù)以Groupby方式分組
- 淺談pandas用groupby后對層級索引levels的處理方法
- pandas獲取groupby分組里最大值所在的行方法
- Pandas groupby apply agg 的區(qū)別 運行自定義函數(shù)說明
相關(guān)文章
詳解Tensorflow數(shù)據(jù)讀取有三種方式(next_batch)
本篇文章主要介紹了Tensorflow數(shù)據(jù)讀取有三種方式(next_batch),小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2018-02-02numpy中np.nditer、flags=[multi_index] 的用法說明
這篇文章主要介紹了numpy中np.nditer、flags=['multi_index'] 的用法說明,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2021-05-05使用python-Jenkins批量創(chuàng)建及修改jobs操作
這篇文章主要介紹了使用python-Jenkins批量創(chuàng)建及修改jobs操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05