有没有办法对 DataFrameGroupBy 对象进行切片?
例如,如果我有:
df = pd.DataFrame({'A': [2, 1, 1, 3, 3], 'B': ['x', 'y', 'z', 'r', 'p']})
A B
0 2 x
1 1 y
2 1 z
3 3 r
4 3 p
dfg = df.groupby('A')
现在,返回的 GroupBy 对象由 A 中的值索引,我想选择它的一个子集,例如执行聚合。可能是这样的
dfg.loc[1:2].agg(...)
或者,对于特定的列,
dfg['B'].loc[1:2].agg(...)
编辑。更清楚地说:通过切片 GroupBy 对象,我的意思是只访问组的一个子集。在上面的示例中,GroupBy 对象将包含 3 个组,分别为 A = 1、A = 2 和 A = 3。出于某些原因,我可能只对 A = 1 和 A = 2 的组感兴趣。
请您参考如下方法:
看来您需要使用 iloc 的自定义函数 - 但如果使用 agg 是必需的,则返回聚合值:
df = df.groupby('A')['B'].agg(lambda x: ','.join(x.iloc[0:3]))
print (df)
A
1 y,z
2 x
3 r,p
Name: B, dtype: object
df = df.groupby('A')['B'].agg(lambda x: ','.join(x.iloc[1:3]))
print (df)
A
1 z
2
3 p
Name: B, dtype: object
对于多列:
df = pd.DataFrame({'A': [2, 1, 1, 3, 3],
'B': ['x', 'y', 'z', 'r', 'p'],
'C': ['g', 'y', 'y', 'u', 'k']})
print (df)
A B C
0 2 x g
1 1 y y
2 1 z y
3 3 r u
4 3 p k
df = df.groupby('A').agg(lambda x: ','.join(x.iloc[1:3]))
print (df)
B C
A
1 z y
2
3 p k
