pandas.Series.groupby#

Series.groupby(by=None, level=None, as_index=True, sort=True, group_keys=True, observed=False, dropna=True)[源代码][源代码]#

使用映射器或通过一系列列来分组系列。

groupby 操作涉及对象的拆分、函数的应用和结果的组合。这可以用于对大量数据进行分组并在这些组上进行计算。

参数:

通过映射, 函数, 标签, pd.Grouper 或此类列表: 用于确定 groupby 的分组。如果 by 是一个函数，它会在对象索引的每个值上调用。如果传递的是字典或 Series，将使用 Series 或字典的值来确定分组（Series 的值首先对齐；见 .align() 方法）。如果传递的是长度等于所选轴的列表或 ndarray（见 groupby 用户指南），这些值将按原样用于确定分组。可以传递标签或标签列表，按 self 中的列进行分组。注意，元组被解释为一个（单个）键。
级别int, 级别名称, 或此类序列, 默认 None: 如果轴是 MultiIndex（分层），按特定级别或多个级别分组。不要同时指定 by 和 level。
as_index布尔值, 默认为 True: 返回带有组标签作为索引的对象。仅与 DataFrame 输入相关。as_index=False 实际上是“SQL 风格”的分组输出。此参数对过滤（参见用户指南中的过滤），例如 head()、tail()、nth() 以及转换（参见用户指南中的转换）没有影响。
排序布尔值, 默认为 True: 排序组键。通过关闭此功能可以获得更好的性能。请注意，这不会影响每个组内观察的顺序。Groupby 保留每个组内行的顺序。如果为 False，组将按照它们在原始 DataFrame 中的顺序出现。此参数对过滤（参见用户指南中的过滤），如 head()、tail()、nth() 以及变换（参见用户指南中的变换）没有影响。

在 2.0.0 版本发生变更: 使用有序分类分组器时指定 sort=False 将不再对值进行排序。
group_keys布尔值, 默认为 True: 当调用 apply 并且 by 参数产生一个类似索引的（即一个变换）结果时，将组键添加到索引以识别片段。默认情况下，当结果的索引（和列）标签与输入匹配时，组键不包括在内，否则包括在内。

在 1.5.0 版本发生变更: 警告 group_keys 在 apply 的结果是类似索引的 Series 或 DataFrame 时将不再被忽略。明确指定 group_keys 以包含或不包含组键。

在 2.0.0 版本发生变更: group_keys 现在默认为 True。
observed布尔值, 默认为 True: 这只适用于分组器中的任何一个为分类变量的情况。如果为True：仅显示分类分组器的观测值。如果为False：显示分类分组器的所有值。

在 3.0.0 版本发生变更: 默认值现在是 True。
dropna布尔值, 默认为 True: 如果为真，并且如果组键包含NA值，则将删除NA值以及行/列。如果为假，NA值也将被视为组中的键。

返回:

pandas.api.typing.SeriesGroupBy: 返回一个包含组信息的groupby对象。

参见

resample: 用于时间序列的频率转换和重采样的便捷方法。

备注

更多详细用法和示例，请参阅用户指南，包括将对象分组、遍历组、选择组、聚合等。

groupby 的实现是基于哈希的，这意味着特别是比较相等的对象将被认为是同一组。一个例外是 pandas 对 NA 值有特殊处理：任何 NA 值将被折叠到一个单独的组中，无论它们如何比较。有关更多详细信息，请参见上述链接的用户指南。

示例

>>> ser = pd.Series([390., 350., 30., 20.],
...                 index=['Falcon', 'Falcon', 'Parrot', 'Parrot'],
...                 name="Max Speed")
>>> ser
Falcon    390.0
Falcon    350.0
Parrot     30.0
Parrot     20.0
Name: Max Speed, dtype: float64

我们可以传递一组值来根据自定义标签对 Series 数据进行分组：

>>> ser.groupby(["a", "b", "a", "b"]).mean()
a    210.0
b    185.0
Name: Max Speed, dtype: float64

按数字标签分组会产生类似的结果：

>>> ser.groupby([0, 1, 0, 1]).mean()
0    210.0
1    185.0
Name: Max Speed, dtype: float64

我们可以按索引的一个级别进行分组：

>>> ser.groupby(level=0).mean()
Falcon    370.0
Parrot     25.0
Name: Max Speed, dtype: float64

我们可以根据应用于 Series 值的条件进行分组：

>>> ser.groupby(ser > 100).mean()
Max Speed
False     25.0
True     370.0
Name: Max Speed, dtype: float64

按索引分组

我们可以使用 level 参数对分层索引的不同级别进行分组：

>>> arrays = [['Falcon', 'Falcon', 'Parrot', 'Parrot'],
...           ['Captive', 'Wild', 'Captive', 'Wild']]
>>> index = pd.MultiIndex.from_arrays(arrays, names=('Animal', 'Type'))
>>> ser = pd.Series([390., 350., 30., 20.], index=index, name="Max Speed")
>>> ser
Animal  Type
Falcon  Captive    390.0
        Wild       350.0
Parrot  Captive     30.0
        Wild        20.0
Name: Max Speed, dtype: float64

>>> ser.groupby(level=0).mean()
Animal
Falcon    370.0
Parrot     25.0
Name: Max Speed, dtype: float64

我们还可以按层次索引的 ‘Type’ 级别进行分组，以获取每种类型的平均速度：

>>> ser.groupby(level="Type").mean()
Type
Captive    210.0
Wild       185.0
Name: Max Speed, dtype: float64

我们还可以通过定义 dropna 参数来选择是否在组键中包含 NA，默认设置为 True。

>>> ser = pd.Series([1, 2, 3, 3], index=["a", 'a', 'b', np.nan])
>>> ser.groupby(level=0).sum()
a    3
b    3
dtype: int64

要在组键中包含 NA 值，请设置 dropna=False：

>>> ser.groupby(level=0, dropna=False).sum()
a    3
b    3
NaN  3
dtype: int64

我们还可以通过包含NaN值的自定义列表进行分组，以处理缺失的组标签：

>>> arrays = ['Falcon', 'Falcon', 'Parrot', 'Parrot']
>>> ser = pd.Series([390., 350., 30., 20.], index=arrays, name="Max Speed")
>>> ser.groupby(["a", "b", "a", np.nan]).mean()
a    210.0
b    350.0
Name: Max Speed, dtype: float64

>>> ser.groupby(["a", "b", "a", np.nan], dropna=False).mean()
a    210.0
b    350.0
NaN   20.0
Name: Max Speed, dtype: float64