Python 熊猫群比中的as_指数是多少？

熊猫中的groupby中的

as\u index

的功能到底是什么？

print（）

是你不懂的朋友。它多次消除了疑虑

看一看:

import pandas as pd

df = pd.DataFrame(data={'books':['bk1','bk1','bk1','bk2','bk2','bk3'], 'price': [12,12,12,15,15,17]})

print(df)

print(df.groupby('books', as_index=True).sum())

print(df.groupby('books', as_index=False).sum())

输出：

  books  price
0   bk1     12
1   bk1     12
2   bk1     12
3   bk2     15
4   bk2     15
5   bk3     17

       price
books       
bk1       36
bk2       30
bk3       17

  books  price
0   bk1     36
1   bk2     30
2   bk3     17

当

as_index=True

时，您在

groupby（）

中使用的键将成为新数据帧中的索引

将列设置为索引时所获得的好处是：

速度。当您根据索引列过滤值时，例如，

df.loc['bk1']

，由于索引列的散列，过滤速度会更快。它不必遍历整个

图书

列来查找

'bk1'

。它将只计算

'bk1'

的散列值，并在一次遍历中找到它

放松。当

as_index=True

时，您可以使用此语法

df.loc['bk1']

比

df.loc[df.books=='bk1']

更短更快

---

使用group by函数时，as_index可以设置为true或false，具体取决于您是否希望分组所依据的列作为输出的索引

import pandas as pd
table_r = pd.DataFrame({
    'colors': ['orange', 'red', 'orange', 'red'],
    'price': [1000, 2000, 3000, 4000],
    'quantity': [500, 3000, 3000, 4000],
})
new_group = table_r.groupby('colors',as_index=True).count().sort('price', ascending=False)
print new_group

输出：

        price  quantity
colors                 
orange      2         2
red         2         2

现在as_index=False

   colors  price  quantity
0  orange      2         2
1     red      2         2

---

请注意，当我们更改为_index=False时，颜色不再是索引，非常感谢。“我对打印一窍不通，”哈里莎说，“这是编程的一般规则<代码>打印所有引起怀疑的内容。在编程的早期，

print

语句被插入到程序的任何地方以调试erros。如果你认为我已经回答了你的问题，那么你可以通过点击复选标记来接受它。✔' 答案左侧两个三角形下方。除了易于选择之外，

df.loc['bk1']

也比布尔索引快。@ayhan-yes。索引时，它不必遍历整个books列来查找

'bk1'

。它将只计算'bk1'的散列值，并在1次遍历中找到它。谢谢你提出这一点。

   colors  price  quantity
0  orange      2         2
1     red      2         2