groupby 操作的不同参数

groupby 是数据分析中一个非常强大的操作，可以根据指定的规则将数据拆分成多个组，并对每个组进行聚合、转换或过滤等操作。我们逐个解释这些参数的作用，并通过数值举例进行说明。

参数解释

by：分组依据
- by 参数指定了分组的依据，可以是：
  - 函数：对于数据的每个索引（或列）应用该函数，生成一个新的值，根据这些值进行分组。
  - 字典或 Series：可以通过字典或 Series 来指定分组的规则。字典的键是原数据的索引，值是分组的标签。
  - ndarray：可以直接用数组来指定每一行或列所属的分组。
axis：拆分的方向
- axis 参数指定了操作的方向：
  - axis=0：按行分组（默认）。
  - axis=1：按列分组。
level：多层索引的分组层级
- level 参数适用于多层索引（MultiIndex）。可以指定按某个层级或多个层级进行分组。
as_index：是否将分组键作为索引
- 默认值是 True，即返回的结果会把分组的标签作为新的索引。
- 如果设置为 False，则不会将分组标签作为索引，而是作为普通列显示。
sort：是否对分组进行排序
- 默认值是 True，表示对每个组的标签进行排序。
- 如果设置为 False，则分组内的顺序与原数据中的顺序一致，通常会提高性能。
group_keys：是否将组键添加到结果中
- 默认值是 True，即返回的结果会包含分组键，标明每个组的来源。
- 如果为 False，则不添加组键。
observed：分类数据的显示方式
- 当分组是分类数据时，observed=True 会只显示有实际数据的分类值，而不会显示所有的分类值（包括那些没有数据的分类）。
- 如果设置为 False，则会显示所有可能的分类值。
dropna：是否删除包含 NA 的组
- 如果为 True，则包含 NA 值的组会被删除。
- 如果为 False，NA 值会被当作一个组处理。

举例说明

假设我们有以下的 DataFrame 和 Series 数据：

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 2, 3, 4, 5],
    'B': ['X', 'Y', 'X', 'Y', 'X', 'Y'],
    'C': [10, 20, 30, 40, 50, 60]
})

输出：
在这里插入图片描述

1. `by`：按列分组

我们可以按照 B 列的值来对 df 进行分组：

grouped = df.groupby('B')
for name, group in grouped:
    print(f"Group: {name}")
    print(group)
print(grouped.sum())

输出：
在这里插入图片描述

2. `axis`：按列分组

如果你想按列分组而不是按行分组，可以设置 axis=1：

grouped = df.groupby(axis=1, level=0)
for name, group in grouped:
    print(f"Group: {name}")
    print(group)

这个例子不太常见，通常 groupby 更常用于行分组，但这会按列的方式分组。输出中会提醒不建议这么做：
在这里插入图片描述

3. `level`：多层索引分组

假设你有一个多层索引的 DataFrame，你可以按指定的层级进行分组。

# 创建一个 MultiIndex DataFrame
index = pd.MultiIndex.from_tuples([('a', 1), ('a', 2), ('b', 1), ('b', 2)],
                                   names=['letter', 'number'])
df_multi = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8]
}, index=index)

# 按 'letter' 层级进行分组
grouped = df_multi.groupby(level='letter')
for name, group in grouped:
    print(f"Group: {name}")
    print(group)

输出：

Group: a
         A  B
letter number      
a      1      1  5
       2      2  6

Group: b
         A  B
letter number      
b      1      3  7
       2      4  8

更多例子

4. `as_index`：是否将分组键作为索引

我们可以设置 as_index=False，让分组键不成为新的索引。

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

输出：
在这里插入图片描述

5. `sort`：是否排序分组

如果 sort=False，则按照原始数据的顺序进行分组，而不是按照分组键的顺序排序：

grouped = df.groupby('B', sort=False)
for name, group in grouped:
    print(f"Group: {name}")
    print(group)

输出：

Group: X
   A  B   C
0  1  X  10
2  2  X  30
4  4  X  50

Group: Y
   A  B   C
1  2  Y  20
3  3  Y  40
5  5  Y  60

6. `dropna`：是否删除包含NA值的组

如果你有一些 NA 值，并设置 dropna=True，它会删除包含 NA 的组：

df_with_na = pd.DataFrame({
    'A': [1, 2, 3, None, 5],
    'B': ['X', 'Y', 'X', 'Y', 'X'],
    'C': [10, 20, 30, 40, None]
})

grouped = df_with_na.groupby('B', dropna=True)
print(grouped.sum())