Python 数据帧groupby方法的语义

我发现数据帧对象上的

groupby

方法的行为出乎意料

让我举例说明

df = pd.DataFrame({'key1': ['a', 'a', 'b', 'b', 'a'],
                   'key2': ['one', 'two', 'one', 'two', 'one'],
                   'data1': np.random.randn(5),
                   'data2': np.random.randn(5)})
data1 = df['data1']

data1
# Out[14]: 
# 0    1.989430
# 1   -0.250694
# 2   -0.448550
# 3    0.776318
# 4   -1.843558
# Name: data1, dtype: float64

data1

不再有

'key1'

列。 因此，如果我应用了以下操作，我将期望得到一个错误：

grouped = data1.groupby(df['key1'])

但是我没有，我可以在

分组

上进一步应用

均值

方法来获得预期的结果

grouped.mean()
# Out[13]: 
# key1
# a   -0.034941
# b    0.163884
# Name: data1, dtype: float64

但是，上述操作确实使用

df

的

'key1'

列创建了一个组

这怎么会发生？解释器是否使用创建的数据帧/序列（

data1

）存储原始数据帧的信息（本例中为

df

）

---

谢谢。

这只是语法糖，请分别按列（

系列

）选中：

这主要是另一种选择的语法糖分，而且要详细得多

---

尽管分组列通常来自同一数据帧或系列，但它们不必是相同的

您的语句

data1.groupby（df['key1']）

相当于

data1.groupby（['a'，'a'，'b'，'b'，'a']）

。事实上，您可以检查实际的组：

>>> data1.groupby(['a', 'a', 'b', 'b', 'a']).groups
{'a': [0, 1, 4], 'b': [2, 3]}

---

这意味着

data1

上的

groupby

将有一个组

a

使用

data1

中的第0、1和4行，一个组

b

使用第2和第3行。

它与

data1.groupby（['a'，'a'，'b'，'b'，'a']）

不同，但与

data1.groupby（pd.Series（['a'，'a'，'b'，'b'，'a'））相同

这不是我第一次错了。从技术上讲，你是对的。但在这种情况下，它的计算结果是相同的，不是吗？有数据对齐，所以这里是的，但如果有两个不同的系列，则必须首先对齐索引。这是我的观点。您可以执行

data1.groupby（['a'，'c'，'c'，'c'，'c']）.sum（）

，它将返回一个在

a

和

c

上索引的序列，第一个值是

data1

中第一行的值，

c

的和由

data1

中接下来四个值的和组成（对应于分组的索引化）。注意，

c

甚至没有出现在原始数据帧中。是的，我同意，如果相同的df，那么数据是对齐的，并且所有都工作。但是我认为，如果序列具有不同的索引，比如-

s1=df['key1']

s1.index=s1.index*100

s2=df['data1']

s=s2.groupby（s1）.mean（）

谢谢。我现在明白了。如果我或其他答案有帮助，请不要忘记-单击复选标记（

✓）旁边的答案将其从灰色切换为填充。谢谢。没问题。只有我看到第一个答案才被接受，所以我提到StackOverflow中只有一个答案应该被接受。
>>> data1.groupby(['a', 'a', 'b', 'b', 'a']).groups
{'a': [0, 1, 4], 'b': [2, 3]}