Python 按组的索引检索组。熊猫是被分类的吗？

假设我在某个列周围分组一个数据框

df.groupby(cols)

是否根据任何标准对组进行排序

检索组的一种方法是：

ix = 0
grouped.get_group(grouped.groups.keys()[ix])

但是它有点冗长，而且不清楚上面的

keys（）

是否会按顺序给出这些组

另一种方式：

df = df.set_index(col)
df.loc[idx[df.index.levels[0][0],:],:]

但同样，这是非常冗长的

还有其他方法可以通过整数索引获取组吗？

如何：

key, df2 = iter(grouped).next()

那么：

key, df2 = iter(grouped).next()

那么：

key, df2 = iter(grouped).next()

那么：

key, df2 = iter(grouped).next()

---

groupby

有一个

sort

参数，默认情况下该参数为

True

，因此组被排序。至于获取

n

th组，看起来您必须定义一个函数，并使用一个内部API：

In [123]: df = DataFrame({'a': [1,1,1,1,2,2,3,3,3,3], 'b': randn(10)})

In [124]: df
Out[124]:
   a       b
0  1  1.5665
1  1 -0.2558
2  1  0.0756
3  1 -0.2821
4  2  0.8670
5  2 -2.0043
6  3 -1.3393
7  3  0.3898
8  3 -0.3392
9  3  1.2198

[10 rows x 2 columns]

In [125]: gb = df.groupby('a')

In [126]: def nth_group(gb, n):
   .....:     keys = gb.grouper._get_group_keys()
   .....:     return gb.get_group(keys[n])
   .....:

In [127]: nth_group(gb, 0)
Out[127]:
   a       b
0  1  1.5665
1  1 -0.2558
2  1  0.0756
3  1 -0.2821

[4 rows x 2 columns]

---

groupby

有一个

sort

参数，默认情况下该参数为

True

，因此组被排序。至于获取

n

th组，看起来您必须定义一个函数，并使用一个内部API：

In [123]: df = DataFrame({'a': [1,1,1,1,2,2,3,3,3,3], 'b': randn(10)})

In [124]: df
Out[124]:
   a       b
0  1  1.5665
1  1 -0.2558
2  1  0.0756
3  1 -0.2821
4  2  0.8670
5  2 -2.0043
6  3 -1.3393
7  3  0.3898
8  3 -0.3392
9  3  1.2198

[10 rows x 2 columns]

In [125]: gb = df.groupby('a')

In [126]: def nth_group(gb, n):
   .....:     keys = gb.grouper._get_group_keys()
   .....:     return gb.get_group(keys[n])
   .....:

In [127]: nth_group(gb, 0)
Out[127]:
   a       b
0  1  1.5665
1  1 -0.2558
2  1  0.0756
3  1 -0.2821

[4 rows x 2 columns]

---

groupby

有一个

sort

参数，默认情况下该参数为

True

，因此组被排序。至于获取

n

th组，看起来您必须定义一个函数，并使用一个内部API：

In [123]: df = DataFrame({'a': [1,1,1,1,2,2,3,3,3,3], 'b': randn(10)})

In [124]: df
Out[124]:
   a       b
0  1  1.5665
1  1 -0.2558
2  1  0.0756
3  1 -0.2821
4  2  0.8670
5  2 -2.0043
6  3 -1.3393
7  3  0.3898
8  3 -0.3392
9  3  1.2198

[10 rows x 2 columns]

In [125]: gb = df.groupby('a')

In [126]: def nth_group(gb, n):
   .....:     keys = gb.grouper._get_group_keys()
   .....:     return gb.get_group(keys[n])
   .....:

In [127]: nth_group(gb, 0)
Out[127]:
   a       b
0  1  1.5665
1  1 -0.2558
2  1  0.0756
3  1 -0.2821

[4 rows x 2 columns]

---

groupby

有一个

sort

参数，默认情况下该参数为

True

，因此组被排序。至于获取

n

th组，看起来您必须定义一个函数，并使用一个内部API：

In [123]: df = DataFrame({'a': [1,1,1,1,2,2,3,3,3,3], 'b': randn(10)})

In [124]: df
Out[124]:
   a       b
0  1  1.5665
1  1 -0.2558
2  1  0.0756
3  1 -0.2821
4  2  0.8670
5  2 -2.0043
6  3 -1.3393
7  3  0.3898
8  3 -0.3392
9  3  1.2198

[10 rows x 2 columns]

In [125]: gb = df.groupby('a')

In [126]: def nth_group(gb, n):
   .....:     keys = gb.grouper._get_group_keys()
   .....:     return gb.get_group(keys[n])
   .....:

In [127]: nth_group(gb, 0)
Out[127]:
   a       b
0  1  1.5665
1  1 -0.2558
2  1  0.0756
3  1 -0.2821

[4 rows x 2 columns]

---

谢谢@Philip。此接口仍受支持吗？方法

\u获取\u组\u密钥

似乎不再可用。谢谢@Philip。此接口仍受支持吗？方法

\u获取\u组\u密钥

似乎不再可用。谢谢@Philip。此接口仍受支持吗？方法

\u获取\u组\u密钥

似乎不再可用。谢谢@Philip。此接口仍受支持吗？方法

\u获取\u组\u密钥

似乎不再可用。