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

用法:
Series.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係列進行分組。

此文檔字符串是從 pandas.core.series.Series.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。

係列分組: 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：

>>> ser = pd.Series([390., 350., 30., 20.],  
...                 index=['Falcon', 'Falcon', 'Parrot', 'Parrot'], name="Max Speed")
>>> ser  
Falcon    390.0
Falcon    350.0
Parrot     30.0
Parrot     20.0
Name: Max Speed, dtype: float64
>>> ser.groupby(["a", "b", "a", "b"]).mean()  
a    210.0
b    185.0
Name: Max Speed, dtype: float64
>>> ser.groupby(level=0).mean()  
Falcon    370.0
Parrot     25.0
Name: Max Speed, dtype: float64
>>> ser.groupby(ser > 100).mean()  
Max Speed
False     25.0
True     370.0
Name: Max Speed, dtype: float64

按索引分組

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'))  
>>> ser = pd.Series([390., 350., 30., 20.], index=index, name="Max Speed")  
>>> ser  
Animal  Type
Falcon  Captive    390.0
        Wild       350.0
Parrot  Captive     30.0
        Wild        20.0
Name: Max Speed, dtype: float64
>>> ser.groupby(level=0).mean()  
Animal
Falcon    370.0
Parrot     25.0
Name: Max Speed, dtype: float64
>>> ser.groupby(level="Type").mean()  
Type
Captive    210.0
Wild       185.0
Name: Max Speed, dtype: float64

我們還可以通過定義 dropna 參數來選擇是否在組鍵中包含 NA ，默認設置為 True 。

>>> ser = pd.Series([1, 2, 3, 3], index=["a", 'a', 'b', np.nan])  
>>> ser.groupby(level=0).sum()  
a    3
b    3
dtype: int64

>>> ser.groupby(level=0, dropna=False).sum()  
a    3
b    3
NaN  3
dtype: int64

>>> arrays = ['Falcon', 'Falcon', 'Parrot', 'Parrot']  
>>> ser = pd.Series([390., 350., 30., 20.], index=arrays, name="Max Speed")  
>>> ser.groupby(["a", "b", "a", np.nan]).mean()  
a    210.0
b    350.0
Name: Max Speed, dtype: float64

>>> ser.groupby(["a", "b", "a", np.nan], dropna=False).mean()  
a    210.0
b    350.0
NaN   20.0
Name: Max Speed, dtype: float64

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.Series.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：