廊坊网站建设廊坊昆明cms建站模板
groupby 是数据分析中一个非常强大的操作，可以根据指定的规则将数据拆分成多个组，并对每个组进行聚合、转换或过滤等操作。我们逐个解释这些参数的作用，并通过数值举例进行说明。
参数解释
-
by：分组依据
by参数指定了分组的依据，可以是：- 函数：对于数据的每个索引（或列）应用该函数，生成一个新的值，根据这些值进行分组。
- 字典 或 Series：可以通过字典或
Series来指定分组的规则。字典的键是原数据的索引，值是分组的标签。 - ndarray：可以直接用数组来指定每一行或列所属的分组。
-
axis：拆分的方向
axis参数指定了操作的方向：axis=0：按行分组（默认）。axis=1：按列分组。
-
level：多层索引的分组层级
level参数适用于多层索引（MultiIndex）。可以指定按某个层级或多个层级进行分组。
-
as_index：是否将分组键作为索引
- 默认值是
True，即返回的结果会把分组的标签作为新的索引。 - 如果设置为
False，则不会将分组标签作为索引，而是作为普通列显示。
- 默认值是
-
sort：是否对分组进行排序
- 默认值是
True，表示对每个组的标签进行排序。 - 如果设置为
False，则分组内的顺序与原数据中的顺序一致，通常会提高性能。
- 默认值是
-
group_keys：是否将组键添加到结果中
- 默认值是
True，即返回的结果会包含分组键，标明每个组的来源。 - 如果为
False，则不添加组键。
- 默认值是
-
observed：分类数据的显示方式
- 当分组是分类数据时，
observed=True会只显示有实际数据的分类值，而不会显示所有的分类值（包括那些没有数据的分类）。 - 如果设置为
False，则会显示所有可能的分类值。
- 当分组是分类数据时，
-
dropna：是否删除包含 NA 的组
- 如果为
True，则包含 NA 值的组会被删除。 - 如果为
False，NA 值会被当作一个组处理。
- 如果为
举例说明
假设我们有以下的 DataFrame 和 Series 数据：
import pandas as pd# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 2, 3, 4, 5],'B': ['X', 'Y', 'X', 'Y', 'X', 'Y'],'C': [10, 20, 30, 40, 50, 60]
})
输出：
1. by：按列分组
我们可以按照 B 列的值来对 df 进行分组：
grouped = df.groupby('B')
for name, group in grouped:print(f"Group: {name}")print(group)
print(grouped.sum())
输出：
2. axis：按列分组
如果你想按列分组而不是按行分组，可以设置 axis=1：
grouped = df.groupby(axis=1, level=0)
for name, group in grouped:print(f"Group: {name}")print(group)
这个例子不太常见，通常 groupby 更常用于行分组，但这会按列的方式分组。输出中会提醒不建议这么做：
3. level：多层索引分组
假设你有一个多层索引的 DataFrame，你可以按指定的层级进行分组。
# 创建一个 MultiIndex DataFrame
index = pd.MultiIndex.from_tuples([('a', 1), ('a', 2), ('b', 1), ('b', 2)],names=['letter', 'number'])
df_multi = pd.DataFrame({'A': [1, 2, 3, 4],'B': [5, 6, 7, 8]
}, index=index)# 按 'letter' 层级进行分组
grouped = df_multi.groupby(level='letter')
for name, group in grouped:print(f"Group: {name}")print(group)
输出：
Group: aA B
letter number
a 1 1 52 2 6Group: bA B
letter number
b 1 3 72 4 8
更多例子
4. as_index：是否将分组键作为索引
我们可以设置 as_index=False，让分组键不成为新的索引。
grouped = df.groupby('B', as_index=False)
print(grouped.sum())
输出：
5. sort：是否排序分组
如果 sort=False，则按照原始数据的顺序进行分组，而不是按照分组键的顺序排序：
grouped = df.groupby('B', sort=False)
for name, group in grouped:print(f"Group: {name}")print(group)
输出：
Group: XA B C
0 1 X 10
2 2 X 30
4 4 X 50Group: YA B C
1 2 Y 20
3 3 Y 40
5 5 Y 60
6. dropna：是否删除包含NA值的组
如果你有一些 NA 值，并设置 dropna=True，它会删除包含 NA 的组：
df_with_na = pd.DataFrame({'A': [1, 2, 3, None, 5],'B': ['X', 'Y', 'X', 'Y', 'X'],'C': [10, 20, 30, 40, None]
})grouped = df_with_na.groupby('B', dropna=True)
print(grouped.sum())
输出：
总结
groupby是根据某些规则将数据拆分为多个组，然后对每个组进行计算。可以根据by、axis、level等参数灵活控制分组的方式。- 常用的操作包括按列分组、按层级分组、控制排序和是否删除包含 NA 值的组。