Python dask.dataframe.DataFrame.groupby用法及代碼示例

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

使用映射器或按一係列列對 DataFrame 進行分組。

此文檔字符串是從 pandas.core.frame.DataFrame.groupby 複製而來的。

可能存在與 Dask 版本的一些不一致之處。

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)。如果傳遞了長度等於所選軸的列表或 ndarray(請參閱 groupby user guide )，則使用這些值 as-is 來確定組。標簽或標簽列表可以通過 self 中的列傳遞給分組。請注意，元組被解釋為(單個)鍵。
axis：{0 或 ‘index’，1 或 ‘columns’}，默認 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): 如果軸是 MultiIndex(分層)，則按特定級別或多個級別分組。
as_index：bool，默認 True(Dask 中不支持): 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，默認為真: 對組鍵進行排序。關閉此函數可獲得更好的性能。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。
group_keys：布爾值，默認為真: 調用 apply 時，將組鍵添加到索引以識別片段。
squeeze：bool，默認 False(在 Dask 中不支持): 如果可能，減少返回類型的維數，否則返回一致的類型。
observed：布爾值，默認為 False: 這僅適用於任何 groupers 是分類的。如果為真：僅顯示分類分組的觀察值。如果為 False：顯示分類分組的所有值。
dropna：布爾值，默認為真: 如果為 True，並且組鍵包含 NA 值，則 NA 值連同行/列將被刪除。如果為 False，NA 值也將被視為組中的鍵。

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

注意：

有關更詳細的用法和示例，請參閱user guide，包括將對象拆分為組、遍曆組、選擇組、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

層次索引

我們可以使用 level 參數對分層索引的不同級別進行分組：

>>> 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

我們也可以通過設置dropna參數來選擇是否在組鍵中包含NA，默認設置為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

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask.dataframe.DataFrame.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：

注意：

例子：