Python 如何循环pandas groupby（）中的每一行？

假设我有：

df=pd.DataFrame（{'a'：[1,2,3,4,5]，'b'：['cat_1'，'cat_1'，'cat_2'，'cat_2'，'cat_2']}）

我执行groupby：

df.groupby（['b']）.agg（['count'，'median']）

我希望遍历此调用返回的行，例如：

for row in ?:
    print(row)

应该打印如下内容：

('cat_1', 2, 1.5)
('cat_2', 3, 4)

---

这将实现以下目的：

for item in df.groupby(['b']).agg(['count', 'median']).reset_index().values:
     # Perform operation on 'item' ...

---

这将实现以下目的：

for item in df.groupby(['b']).agg(['count', 'median']).reset_index().values:
     # Perform operation on 'item' ...

---

您误解了：

df.groupby（['b']）.agg（['count'，'media']）

返回内存中的数据帧，而不是分组结果的迭代器

您的结果通常用以下方式表示：

res = df.groupby('b')['a'].agg(['count', 'median'])

print(res)

#        count  median
# b                   
# cat_1      2     1.5
# cat_2      3     4.0

可以通过或更有效地通过以下方式迭代数据帧：

如果您希望延迟计算，请迭代

groupby

对象，并对每个组独立执行计算。对于适合存储在内存中的数据，您应该认为这比迭代结果的数据帧要慢

for key, group in df.groupby('b'):
    print((key, group['a'].count(), group['a'].median()))

# ('cat_1', 2, 1.5)
# ('cat_2', 3, 4.0)

---

如果您确实面临内存问题，请考虑这些任务。

您误解了：<代码> df.GROPBY（[B'）]。AGG（[计数]，‘中值’）<代码>返回内存中<强>数据框< /强>，而不是群组结果的<强>迭代器< /强>。< /P> 您的结果通常用以下方式表示：

res = df.groupby('b')['a'].agg(['count', 'median'])

print(res)

#        count  median
# b                   
# cat_1      2     1.5
# cat_2      3     4.0

可以通过或更有效地通过以下方式迭代数据帧：

如果您希望延迟计算，请迭代

groupby

对象，并对每个组独立执行计算。对于适合存储在内存中的数据，您应该认为这比迭代结果的数据帧要慢

for key, group in df.groupby('b'):
    print((key, group['a'].count(), group['a'].median()))

# ('cat_1', 2, 1.5)
# ('cat_2', 3, 4.0)

---

<>如果你面对内存问题，考虑这些任务。

谢谢你的帮助！谢谢你的帮助！