pandas， 熊猫对groupby的用法有什么详细解释？不知道小伙伴们今天来看看边肖的分享吧！

在熊猫中，社交领域根据用户画像(性别、年龄)对用户进行细分，对用户使用和偏好的研究主要由groupby完成。

Groupby的基本原则：

在pandas中，分组操作的代码非常简单，只需要一行代码。这里上面的数据集是按照公司字段划分的：in [5]: group=data。分组依据(公司)。

将上述代码输入ipython后，您将获得一个DataFrameGroupBy对象。

In [6]: group

Out[6]: pandas.core.groupby.generic.DataFrameGroupBy object at0x000002B7E2650240

那么这个生成的DataFrameGroupBy是什么呢？groupby on data之后发生了什么？ipython返回的结果是它的内存地址，不利于直观理解。为了了解群体内部的情况，

在这里，组被转换成列表的形式：

In [8]: list(group)

Out[8]:

[(A, company salary age

3 A 20 22

6 A 23 33),

(B, company salary age

4 B 10 17

5 B 21 40

8 B 8 30),

(C, company salary age

0 C 43 35

1 C 17 25

2 C 8 30

7 C 49 19)]

转换成列表后，可以看出列表由三个元组组成。在每个元组中，第一个元素是一个组(这里是按公司分组的，所以最后分为A、B、C)，第二个元素是对应组下的一个DataFrame。

整个过程可以说明如下：

总结一下，groupby的流程就是根据groupby(这里是company)的领域，把原来的数据帧分成若干个分组的数据帧，分组的数据帧有多少就有多少。

因此，一系列操作(如agg、apply等。)之后的groupby都是基于子数据帧操作。

pandas，以上就是本文为您收集整理的pandas最新内容，希望能帮到您！更多相关内容欢迎关注。