<>强如下所示:强>
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() 强>
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。组强>
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。指数强>
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]) 强>
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>应用强>
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。
熊猫GroupBy对象索引与迭代方法