Python dask.dataframe.DataFrame.groupby用法及代码示例

用法:
DataFrame.groupby(by=None, group_keys=True, sort=None, observed=None, dropna=None, **kwargs)

使用映射器或按一系列列对 DataFrame 进行分组。

此文档字符串是从 pandas.core.frame.DataFrame.groupby 复制而来的。

可能存在与 Dask 版本的一些不一致之处。

groupby 操作涉及拆分对象、应用函数和组合结果的某种组合。这可用于对大量数据进行分组并在这些组上进行计算操作。

参数：

by：映射、函数、标签或标签列表: 用于确定 groupby 的组。如果by 是一个函数，它会在对象索引的每个值上调用。如果传递了 dict 或 Series，则 Series 或 dict VALUES 将用于确定组(Series 的值首先对齐；参见 .align() 方法)。如果传递了长度等于所选轴的列表或 ndarray(请参阅 groupby user guide )，则使用这些值 as-is 来确定组。标签或标签列表可以通过 self 中的列传递给分组。请注意，元组被解释为(单个)键。
axis：{0 或 ‘index’，1 或 ‘columns’}，默认 0(Dask 中不支持): 沿行 (0) 或列 (1) 拆分。
level：int, level name, or sequence of such, default None (在 Dask 中不支持): 如果轴是 MultiIndex(分层)，则按特定级别或多个级别分组。
as_index：bool，默认 True(Dask 中不支持): 对于聚合输出，返回以组标签为索引的对象。仅与 DataFrame 输入相关。 as_index=False 实际上是 “SQL-style” 分组输出。
sort：布尔值，默认为真: 对组键进行排序。关闭此函数可获得更好的性能。请注意，这不会影响每组内的观察顺序。 Groupby 保留每个组内的行顺序。
group_keys：布尔值，默认为真: 调用 apply 时，将组键添加到索引以识别片段。
squeeze：bool，默认 False(在 Dask 中不支持): 如果可能，减少返回类型的维数，否则返回一致的类型。
observed：布尔值，默认为 False: 这仅适用于任何 groupers 是分类的。如果为真：仅显示分类分组的观察值。如果为 False：显示分类分组的所有值。
dropna：布尔值，默认为真: 如果为 True，并且组键包含 NA 值，则 NA 值连同行/列将被删除。如果为 False，NA 值也将被视为组中的键。

DataFrameGroupBy: 返回包含有关组的信息的 groupby 对象。

注意：

有关更详细的用法和示例，请参阅user guide，包括将对象拆分为组、遍历组、选择组、聚合等。

例子：

>>> df = pd.DataFrame({'Animal': ['Falcon', 'Falcon',  
...                               'Parrot', 'Parrot'],
...                    'Max Speed': [380., 370., 24., 26.]})
>>> df  
   Animal  Max Speed
0  Falcon      380.0
1  Falcon      370.0
2  Parrot       24.0
3  Parrot       26.0
>>> df.groupby(['Animal']).mean()  
        Max Speed
Animal
Falcon      375.0
Parrot       25.0

层次索引

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'))  
>>> df = pd.DataFrame({'Max Speed': [390., 350., 30., 20.]},  
...                   index=index)
>>> df  
                Max Speed
Animal Type
Falcon Captive      390.0
       Wild         350.0
Parrot Captive       30.0
       Wild          20.0
>>> df.groupby(level=0).mean()  
        Max Speed
Animal
Falcon      370.0
Parrot       25.0
>>> df.groupby(level="Type").mean()  
         Max Speed
Type
Captive      210.0
Wild         185.0

我们也可以通过设置dropna参数来选择是否在组键中包含NA，默认设置为True。

>>> l = [[1, 2, 3], [1, None, 4], [2, 1, 3], [1, 2, 2]]  
>>> df = pd.DataFrame(l, columns=["a", "b", "c"])

>>> df.groupby(by=["b"]).sum()  
    a   c
b
1.0 2   3
2.0 2   5

>>> df.groupby(by=["b"], dropna=False).sum()  
    a   c
b
1.0 2   3
2.0 2   5
NaN 1   4

>>> l = [["a", 12, 12], [None, 12.3, 33.], ["b", 12.3, 123], ["a", 1, 1]]  
>>> df = pd.DataFrame(l, columns=["a", "b", "c"])

>>> df.groupby(by="a").sum()  
    b     c
a
a   13.0   13.0
b   12.3  123.0

>>> df.groupby(by="a", dropna=False).sum()  
    b     c
a
a   13.0   13.0
b   12.3  123.0
NaN 12.3   33.0

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.dataframe.DataFrame.groupby。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：