<>强如下所示:
熊猫作为pd导入
df=pd。DataFrame({”性别:['男','女','男','女',
'男','女','男','男',
的成绩”:['优秀”,“优秀’,‘及格”,“差”,
及“格”、“及格”,“优秀”,“差”),
“年龄:[14日,15日,15日,12日,13日,14日,15日,16]})
GroupBy=df.groupby(“性”别)
<强> GroupBy.iter()
GroupBy对象是一个迭代对象,每次迭代结果是一个元组,元组的第一个元素是该组的名称(就是GroupBy的列的元素名称),第二个元素是该组的具体信息,是一个数据框,索引是以前的数据框的总索引
在GroupBy名称,组:
打印(名称)
印刷(集团)
女
年龄性别成绩
1 14女优秀
3 12女差
5 14女及格
男
年龄性别成绩
0 15男优秀
2 15男及格
4 13男及格
6 15男优秀
7日16男差
<强> GroupBy。组
显示分组的组名,以及所对应的索引
打印(GroupBy.groups)
{“女”:Int64Index (1、3、5, dtype=癷nt64”),“男”:Int64Index ([0、2、4、6、7), dtype=int64)}
<强> GroupBy。指数
类似于GroupBy.groups
打印(GroupBy.indices)
{“女”:阵列(1、3、5,dtype=int64),“男”:数组([0、2、4、6、7),dtype=int64)}
<强> GroupBy。get_group(名称(obj])
获得某一个分组的具体信息
在[2]:GroupBy.get_group(男)
[2]:
年龄性别成绩
0 15男优秀
2 15男及格
4 13男及格
6 15男优秀
7日16男差
石斑鱼([水平,关键频率,轴,])
<强>应用
可以先通过循环获得所有的组的名称
在GroupBy名字:
打印(名字)#获得所有分组的名称
GroupBy.get_group(名字)#获得所有该名称的数据
之前
以上这篇熊猫GroupBy对象索引与迭代方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
