groupby 操作的不同参数

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

1. 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。

2. 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。

3. 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。

4. 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。

5. 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。

6. 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。

7. 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。

8. 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。

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。