Python cuspatial.GeoDataFrame.groupby用法及代碼示例

用法:
groupby(*args, **kwargs)

使用映射器或按一係列列對 DataFrame 進行分組。

groupby 操作涉及拆分對象、應用函數和組合結果的某種組合。這可用於對大量數據進行分組並在這些組上進行計算操作。

參數：

by：映射、函數、標簽或標簽列表: 用於確定 groupby 的組。如果 by 是一個函數，它會在對象索引的每個值上調用。如果傳遞了 dict 或 Series，則 Series 或 dict VALUES 將用於確定組(Series 的值首先對齊；參見 .align() 方法)。如果傳遞了一個cupy數組，則使用這些值as-is確定組。一個標簽或標簽列表可以通過 self 中的列傳遞給 group。請注意，元組被解釋為(單個)鍵。
level：int，級別名稱或此類的序列，默認無: 如果軸是 MultiIndex(分層)，則按特定級別或多個級別分組。
as_index：布爾值，默認為真: 對於聚合輸出，返回以組標簽為索引的對象。僅與 DataFrame 輸入相關。 as_index=False 實際上是 “SQL-style” 分組輸出。
sort：布爾值，默認為 False: 按組鍵對結果進行排序。與 Pandas 不同，cudf 默認為 False 以獲得更好的性能。請注意，這不會影響每組內的觀察順序。 Groupby 保留每個組內的行順序。
dropna：布爾型，可選: 如果為 True(默認)，則不包括 “null” 組。

DataFrameGroupBy: 返回包含有關組的信息的 groupby 對象。

例子：

>>> import cudf
>>> import pandas as pd
>>> df = cudf.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

>>> arrays = [['Falcon', 'Falcon', 'Parrot', 'Parrot'],
...           ['Captive', 'Wild', 'Captive', 'Wild']]
>>> index = pd.MultiIndex.from_arrays(arrays, names=('Animal', 'Type'))
>>> df = cudf.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
Wild         185.0
Captive      210.0

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cuspatial.GeoDataFrame.groupby。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：