DataFrame.groupby(self, by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs) [source]
使用映射器或按Series列对DataFrame或Series进行分组。
分组操作涉及拆分对象，应用功能以及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，功能，标签或标签列表 用于确定分组依据的分组。如果by是函数， 则在对象索引的每个值上调用它。 如果通过了 则将使用Series或dict VALUES来确定组 （将Series的值首先对齐；请参见 如果传递了 标签或标签列表可以按中的列传递给分组self。 注意，元组被解释为（单个）key。 axis ： { 沿 level ： int，level名称或此类的序列，默认为 如果axis是MultiIndex（分层）， 则按一个或多个特定级别分组。 as_index ： bool，默认为 对于聚合输出，返回带有组标签的对象作为索引。 仅与DataFrame输入有关。
sort ： 布尔值，默认为True 排序组键。关闭此功能可获得更好的性能。请注意， 这不会影响每个组中观察的顺序。 Groupby保留每个组中行的顺序。 group_keys ： 布尔值，默认为 调用apply时，将组键添加到索引以识别片段。 squeeze ： 布尔值，默认为 如果可能，请减小返回类型的维数， 否则返回一致的类型。 observed ： 布尔值，默认为 仅当任何groupers为分类者时才适用。如果为 仅显示分类groupers的观测值。 如果为 0.23.0版中的新功能。 **kwargs 可选，仅接受关键字参数"mutated"并传递给groupby。 |
返回值： |
依赖于调用对象， 并返回包含有关组信息的groupby对象。 |
Notes
有关更多信息，请参见用户指南。
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参数对不同层次的层次结构索引进行分组：
>>> 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=1).mean()
Max Speed
Type
Captive 210.0
Wild 185.0