Pandas GroupBy对象索引与迭代方法详解
发布时间：2026-10-13 |
6人浏览过
本文详细介绍Pandas中GroupBy对象的几种核心索引与迭代方法。通过GroupBy.iter()可遍历分组，返回组名与子DataFrame；groups属性展示组名及对应索引列表；indices返回类似但为数组形式；get_group()用于提取特定分组数据。结合示例代码，帮助开发者高效处理分组数据。
具体实现方式如下所示：
import pandas as pd
df = pd.DataFrame({'性别' : ['男', '女', '男', '女',
'男', '女', '男', '男'],
'成绩' : ['优秀', '优秀', '及格', '差',
'及格', '及格', '优秀', '差'],
'年龄' : [15,14,15,12,13,14,15,16]})
GroupBy=df.groupby("性别")
GroupBy.iter()
GroupBy对象本身具备迭代能力。在每次迭代过程中，结果为一个元组：元组的第一个元素代表该组的名称（即执行groupby操作时所依据的列值），第二个元素则是该组的具体数据，表现为一个DataFrame。需要注意的是，该子DataFrame的索引保留了原数据框中的总索引。
for name,group in GroupBy: print(name) print(group) 女 年龄 性别 成绩 1 14 女 优秀 3 12 女 差 5 14 女 及格 男 年龄 性别 成绩 0 15 男 优秀 2 15 男 及格 4 13 男 及格 6 15 男 优秀 7 16 男 差
GroupBy.groups
该属性用于显示所有分组的名称，以及每个分组所对应的索引信息。
print(GroupBy.groups)
{'女': Int64Index([1, 3, 5], dtype='int64'), '男': Int64Index([0, 2, 4, 6, 7], dtype='int64')}
GroupBy.indices
其功能与GroupBy.groups类似，但返回的数据结构略有不同。
print(GroupBy.indices)
{'女': array([1, 3, 5], dtype=int64), '男': array([0, 2, 4, 6, 7], dtype=int64)}
GroupBy.get_group(name[, obj])
此方法用于获取指定名称分组的详细数据信息。
In [2]: GroupBy.get_group("男")
Out[2]:
年龄 性别 成绩
0 15 男 优秀
2 15 男 及格
4 13 男 及格
6 15 男 优秀
7 16 男 差
Grouper([key, level, freq, axis, sort])
应用场景示例
可以通过循环遍历的方式，首先获取所有分组的名称。
for name in GroupBy: print(name)# 获得所有分组的名称 GroupBy.get_group(name) #获得所有该名称的数据
以上关于Pandas GroupBy对象索引与迭代方法的介绍到此结束，希望能为读者提供有效的参考。欢迎大家继续支持本站获取更多技术内容。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
