我的个人技术笔记

16.2 迭代与分组

4 min read

概述

GroupBy 对象支持迭代、查看组信息、按组名提取子组，以及统计各组大小。

2.1 迭代组

对 GroupBy 对象进行 for 循环，每次返回二元组：组名 与 子组数据。

import pandas as pd
 
df = pd.DataFrame({
    "部门": ["A", "A", "B", "B", "C"],
    "员工": ["张三", "李四", "王五", "赵六", "孙七"],
    "薪资": [8000, 9500, 12000, 11000, 9000],
})
grouped = df.groupby("部门")
 
# 迭代每个组
for name, group in grouped:
    print(f"=== 部门: {name} ===")
    print(group)
    print()
 
# 多列分组时，name 是一个元组
grouped2 = df.groupby(["部门", "员工"])
for name, group in grouped2:
    print(name)   # 如 ('A', '张三')

性能提示

迭代组通常较慢，仅适合调试或小数据场景；大规模场景建议使用向量化的聚合操作。

2.2 groups 与 indices

属性说明
groups字典，键为组名，值为该组对应的行索引（Index 对象）
indices字典，键为组名，值为该组对应的位置索引（ndarray）
# groups：返回行标签索引
grouped.groups
# 输出类似：
# {'A': [0, 1], 'B': [2, 3], 'C': [4]}
 
# 多列分组时键为元组
grouped2.groups
# {('A', '张三'): [0], ('A', '李四'): [1], ...}
 
# indices：返回位置整数索引
grouped.indices
# {'A': array([0, 1]), 'B': array([2, 3]), 'C': array([4])}

2.3 get_group()

get_group(name) 返回指定组名的子 DataFrame / Series，组名需与分组键完全匹配。

# 按组名提取
df.groupby("部门").get_group("A")
 
# 多列分组时传入元组
df.groupby(["部门", "员工"]).get_group(("A", "张三"))
 
# 时间分组提取
ts_df = pd.DataFrame(
    {"值": range(10)},
    index=pd.date_range("2024-01-01", periods=10, freq="D"),
)
weekly = ts_df.groupby(pd.Grouper(freq="W"))
weekly.get_group("2024-01-07")

2.4 size()

size() 返回各组包含的行数（元素个数），与 count() 不同：size() 不忽略 NaN。

df.groupby("部门").size()
# 输出：
# 部门
# A    2
# B    2
# C    1
# dtype: int64
 
# 多列分组大小
df.groupby(["部门", "性别"]).size()
 
# 输出为 DataFrame，并使用列名 "size"
df.groupby("部门").size().reset_index(name="数量")
 
# 对比 count()：count 忽略 NaN
df_nan = pd.DataFrame({"部门": ["A", "A"], "薪资": [8000, None]})
df_nan.groupby("部门")["薪资"].size()    # 2
df_nan.groupby("部门")["薪资"].count()   # 1

2.5 ngroups

ngroups 返回分组总数。

df.groupby("部门").ngroups          # 3
df.groupby(["部门", "性别"]).ngroups  # 5（实际存在的组数）
 
# 分类数据时包含所有类别
import pandas as pd
cat_df = pd.DataFrame({
    "类别": pd.Categorical(["a", "b"], categories=["a", "b", "c"]),
    "值": [1, 2],
})
cat_df.groupby("类别", observed=True).ngroups   # 2
cat_df.groupby("类别", observed=False).ngroups  # 3

相关笔记

Graph View