Python 重复提取大熊猫行组的有效方法

我有一个pandas数据框架，本质上如下所示：

Group   Date    Value   etc.
1       01/01   10
1       05/01   10
1       08/01   5
1       15/01   5
1       18/01   2
1       21/01   10
...
2       02/01   3
2       15/01   4
2       25/01   1
...
3       01/01   6
....

我想将每个

组

提取到一个单独的数据帧中，该数据帧包含该组中的所有行（例如到一个带有键1、2、3等的字典中）。显而易见的方法是使用一个切片（比如

df[df.Group==1]

）在组中循环

但是，对于非常大的数据集（700k行，30k组），切片技术的速度非常慢，因为每个30k组都必须访问整个700k事务

---

有没有关于更快的方法的建议，其中700k行中的每一行只需访问一次即可执行分组？谢谢

我不知道为什么您希望每个组都有一个单独的df，我只需在“group”上使用

groupby

，然后使用该属性索引回原始df，或者使用：

---

您可以在

Group

列上使用

groupby

。这将获得所有组，您将能够使用以下功能处理每个组-

df.groupby('Group').<apply function here>

这将为您提供组1：

In [16]: grp.get_group(1)
Out[16]: 
   Group   Date  Value
0      1  01/01     10
1      1  05/01     10
2      1  08/01      5
3      1  15/01      5
4      1  18/01      2
5      1  21/01     10
8      1  21/01     10
9      1  15/01      5

---

这里的文档将进一步帮助您-

为什么需要在单独的数据集中使用它？我需要对每组行执行一系列操作，为此，我只需要该组中的行。否则，我会在整个集合上重复执行切片操作。非常优雅，我不知道

组。get_组（…）

太棒了，

get_组

正是我想要的！谢谢。非常感谢：-）我勾选了上面的答案，因为它是第一位的，但那正是我要找的。

In [13]: df
Out[13]: 
    Group   Date  Value
0       1  01/01     10
1       1  05/01     10
2       1  08/01      5
3       1  15/01      5
4       1  18/01      2
5       1  21/01     10
6       2  15/01      5
7       2  18/01      2
8       1  21/01     10
9       1  15/01      5
10      5  18/01      2
11      5  21/01     10

In [14]: df.groupby('Group').groups
Out[14]: {1: [0, 1, 2, 3, 4, 5, 8, 9], 2: [6, 7], 5: [10, 11]}

In [15]: grp = df.groupby('Group')

In [16]: grp.get_group(1)
Out[16]: 
   Group   Date  Value
0      1  01/01     10
1      1  05/01     10
2      1  08/01      5
3      1  15/01      5
4      1  18/01      2
5      1  21/01     10
8      1  21/01     10
9      1  15/01      5