Python 如何访问pandas dataframe groupby对象中的数据？

使用以下代码创建了df_分组

df_grouped = df.groupby(by='Pclass')

下面的循环打印Pclass值以及每个分组数量的长度

for val,grp in df_grouped:
    print('There were',len(grp),'people traveling in',val,'class.')

代码如何访问信息？如何使用val&grp而不提前引用？此信息是如何存储在groupby对象中的？

如文档中所述，数据存储在

groupby对象中，该对象是一种具有特殊功能的数据结构

您可以自己验证这一点：

>>> type(df_grouped)

应返回：

<class 'pandas.core.groupby.DataFrameGroupBy'>



文档中的这个片段很好地解释了数据的结构：

“组”属性是一个dict，其键是计算出的唯一组，相应的值是属于每个组的轴标签

正如您所注意到的，您可以轻松地遍历每个组。但是，通常有一些矢量化方法可以很好地处理
groupby
对象，并且可以更有效、更快速地访问信息和计算内容。
参考：“groups属性是一个dict，其键是计算出的唯一组，相应的值是属于每个组的轴标签”

您可能有兴趣查看
.agg（）
，例如：

df = pd.DataFrame([['Person A', 2, 3, 4],
                ['Person B', 3, 2, 1],
                ['Person C', 5, 7, 5],
                ['Person A', 3, 4, 9],
                ['Person C', 8, 3, 2]],
                columns=['Person','Val 1','Val 2','Val 3'])

提供以下数据帧：

     Person  Val 1  Val 2  Val 3
0  Person A      2      3      4
1  Person B      3      2      1
2  Person C      5      7      5
3  Person A      3      4      9
4  Person C      8      3      2

然后通过
和
agg
进行
分组：

df.groupby('Person').agg({'Val 1': 'sum', 'Val 2': 'mean', 'Val 3': 'count'})

给出：

          Val 1  Val 2  Val 3
Person                       
Person A      5    3.5      2
Person B      3    2.0      1
Person C     13    5.0      2

在这里，您只需将一个字典传递给
agg
，该字典指定您希望对特定列的每个组执行的操作。
如果您展示一个数据帧的示例，这会有所帮助。至于问题#2，val，grp只是占位符变量，指示您希望为iterable.Fo收集对应的对r一个更简单的示例，尝试“在'abcd'中输入i”：打印（i）”并查看返回的内容。