数据清洗，查看groupby分组数据的几种方法总结

我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

目光聚焦到dataframe数据，在python中，给数据进行分组的方式就是.groupby()，得到的数据结果就是的groupby分组对象，本文主要探讨查看groupby数据的几种方法。

苏南大叔的“程序如此灵动”博客，记录苏南大叔的代码经验文章。本文测试环境：python@3.12.3，pandas@2.2.2，numpy@1.26.4。根据不同的数据查看目标，可以分为以下几种数据查看方案。

前置内容

有如下几篇前置阅读内容，有助于帮助你可以更好的理解本文。

• https://newsn.net/say/dataframe-groupby.html
• https://newsn.net/say/pandas-dataframe.html
• https://newsn.net/say/python-tuple.html

本文的龙套数据，依然是苏南大叔的宠物列表。

import pandas as pd
df = pd.DataFrame( data = [
        ['虎子', 3, "狗"],
        ['老许', 3, "猫"],
        ['二赖子', 6, "狗"],
        ['老白', 6, "猫"],
        ['小黑', 5, "狗"],
    ],
    columns = ['name', 'age', 'category']
)

多重分组

.groupby()可以设置多个grouby，比如下面的苏南大叔的宠物数据中，可以这样普通分组。

g0 = df.groupby('category')
g1 = df.groupby('age')

先按种类进行分类，再按年龄进行分类。

g2 = df.groupby(['category', 'age'])
g3 = df.groupby(['age', 'category'])

但是，下面的写法是错误的！！！

# 错误的写法
# g4 = df.groupby('category').groupby('age')
# g5 = df.groupby('age').groupby('category')

数据查看

.groupby()的返回值是个pandas.core.groupby.generic.DataFrameGroupBy对象。如果想要查看里面的数据的话，需要对它进行循环。例如：

def view_group(_group):
    for name, group in _group:
        print(f'group name: {name}')
        print(group)
        print('\n')

view_group(g0)

输出：

group name: 狗
    name   age  category
0    虎子    3        狗
2  二赖子    6        狗
4    小黑    5        狗


group name: 猫
   name   age  category
1   老许    3        猫
3   老白    6        猫

view_group(g2)

多重分组的输出结果中，可以看到组名产生了很大的变化，从字符串变成了元组数据：

group name: ('狗', 3)
   name   age  category
0   虎子    3        狗


group name: ('狗', 5)
    name  age  category
4   小黑    5        狗


group name: ('狗', 6)
    name   age  category
2  二赖子    6        狗


group name: ('猫', 3)
   name   age  category
1   老许    3        猫


group name: ('猫', 6)
    name  age  category
3   老白    6        猫

查看特定组数据

从上面的数据输出，可以看到：一共分成了两个组：“猫”和“狗”。那么，可以明确的指明要查看的数据：

print(g0.get_group("猫"))
print(g0.get_group("狗"))

输出：

   name   age  category
1   老许    3        猫
3   老白    6        猫

    name  age  category
0   虎子    3        狗
2  二赖子   6        狗
4   小黑    5        狗

多重分组的时候，组名就是个元组了。

print(g2.get_group(("猫",3)))
print(g3.get_group((5,"狗")))

输出：

   name   age  category
1   老许    3        猫

   name   age  category
4   小黑    5        狗

.first()和.last()

每组被分组的数据，都有第一条和最后一条。那么，

分离出每组数据的第一条数据就是.first()操作。

print(g0.first())

输出：

           name   age
category
狗          虎子    3
猫          老许    3

分离出每组数据的最后一条数据就是.last()操作。

print(g0.last())

输出：

           name   age
category
狗          小黑    5
猫          老白    6

多重分组的情况下，测试数据：

print(g2.first())
print(g3.last())

输出：

               name
category age
狗        3     虎子
          5     小黑
          6    二赖子
猫        3     老许
          6     老白

                name
age category
3   狗          虎子
    猫          老许
5   狗          小黑
6   狗          二赖子
    猫          老白

对于某些特殊情况下，这种.first()和.last()还是很好用的，不过确实有丢失数据的危险。

.head(n) 和 .tail(n)【不推荐】

可以设置n为一个特别大的值，以期待输出所有数据。

print(g0.head(df.shape[0]))
print(g1.tail(len(df)))

输出：

    name  age  category
0   虎子    3        狗
1   老许    3        猫
2  二赖子   6        狗
3   老白    6        猫
4   小黑    5        狗

这个数据输出虽然确实得到了全部数据，完全丢失了分组效果，所以不推荐。

获取dataframe的条数的方式，使用len(df)或者df.shape[0]。

.reset_index()重置索引

groupby对象，是无法重置索引的。

print(g0.reset_index())

输出：

AttributeError: 'DataFrameGroupBy' object has no attribute 'reset_index'. Did you mean: '_get_index'?

但是每一个分组可以。

print(g0.first().reset_index())
print(g0.get_group("猫").reset_index())

输出：

   category  name   age
0        狗   虎子    3
1        猫   老许    3

   index   name  age  category
0      1   老许    3        猫
1      3   老白    6        猫

强转为dataframe

groupby虽然不可以直接查看，但是dataframe可以。所以，可以强制转化为dataframe类型，再进行查看。

print(pd.DataFrame(g1))

输出：

        0      1
0  (狗, 3)    name  age category
0             虎子    3        狗
1  (狗, 5)    name  age category
4             小黑    5        狗
2  (狗, 6)    name  age category
2             二赖子    6      狗
3  (猫, 3)    name  age category
1             老许    3        猫
4  (猫, 6)    name  age category
3             老白    6        猫

很奇特的数据输出。

结束语

本文存在的更多意义在于：重温数据清洗的过程中的数据分组操作，并对其加深更多的认识。特别是如何查看分组数据的方法，进行了深入总结。更多苏南大叔的python文章，请参考：

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。