如何打印分组对象

我想打印与熊猫分组的结果。

我有一个数据框：

import pandas as pd
df = pd.DataFrame({'A': ['one', 'one', 'two', 'three', 'three', 'one'], 'B': range(6)})
print(df)

       A  B
0    one  0
1    one  1
2    two  2
3  three  3
4  three  4
5    one  5

按“ A”分组后进行打印时，我有以下内容：

print(df.groupby('A'))

<pandas.core.groupby.DataFrameGroupBy object at 0x05416E90>

如何打印分组的数据框？

如果我做：

print(df.groupby('A').head())

我获得的数据框好像没有分组一样：

             A  B
A                
one   0    one  0
      1    one  1
two   2    two  2
three 3  three  3
      4  three  4
one   5    one  5

我期待的是这样的：

             A  B
A                
one   0    one  0
      1    one  1
      5    one  5
two   2    two  2
three 3  three  3
      4  three  4

只需做：

grouped_df = df.groupby('A')

for key, item in grouped_df:
    print(grouped_df.get_group(key), "\n\n")

这也可以

grouped_df = df.groupby('A')    
gb = grouped_df.groups

for key, values in gb.iteritems():
    print(df.ix[values], "\n\n")

对于选择性键分组：key_list_from_gb使用以下命令将所需的键插入，如下所示gb.keys()：

gb = grouped_df.groups
gb.keys()

key_list_from_gb = [key1, key2, key3]

for key, values in gb.items():
    if key in key_list_from_gb:
        print(df.ix[values], "\n")

如果您只是在寻找一种显示方式，可以使用describe（）：

grp = df.groupby['colName']
grp.describe()

这给您一个整洁的桌子。

我确认了head()版本0.12和0.13之间的更改行为。在我看来，这似乎是个虫子。我创建了一个问题。

但是groupby操作实际上并不返回按组排序的DataFrame。该.head()方法在这里有点误导-只是方便的功能，它使您可以重新检查df您分组的对象（在本例中为）。结果groupby是另一种对象，一个GroupBy对象。您必须apply，transform或filter返回到DataFrame或Series。

如果您要做的只是按A列中的值排序，则应使用df.sort('A')。

另一个简单的选择：

for name_of_the_group, group in grouped_dataframe:
   print (name_of_the_group)
   print (group)

另外，其他简单的选择可能是：

gb = df.groupby("A")
gb.count() # or,
gb.get_group(your_key)

除了以前的答案：

以你为例

df = pd.DataFrame({'A': ['one', 'one', 'two', 'three', 'three', 'one'], 'B': range(6)})

然后是简单的1行代码

df.groupby('A').apply(print)

感谢Surya的深刻见解。我会清理他的解决方案，然后简单地执行以下操作：

for key, value in df.groupby('A'):
    print(key, value)

您不能直接通过print语句查看groupBy数据，但可以使用for循环遍历该组来查看，请尝试使用此代码查看数据中的组

group = df.groupby('A') #group variable contains groupby data
for A,A_df in group: # A is your column and A_df is group of one kind at a time
  print(A)
  print(A_df)

尝试将其作为分组结果后，您将获得输出

希望对您有所帮助

在GroupBy对象上调用list（）

print(list(df.groupby('A')))

给你：

[('one',      A  B
0  one  0
1  one  1
5  one  5), ('three',        A  B
3  three  3
4  three  4), ('two',      A  B
2  two  2)]

在Jupyter Notebook中，如果执行以下操作，它将打印该对象的一个​​很好的分组版本。该apply方法有助于创建多索引数据框。

by = 'A'  # groupby 'by' argument
df.groupby(by).apply(lambda a: a[:])

输出：

             A  B
A                
one   0    one  0
      1    one  1
      5    one  5
three 3  three  3
      4  three  4
two   2    two  2

如果您希望该by列不出现在输出中，请像这样删除列。

df.groupby(by).apply(lambda a: a.drop(by, axis=1)[:])

输出：

         B
A         
one   0  0
      1  1
      5  5
three 3  3
      4  4
two   2  2

在这里，我不确定为什么.iloc[:]不起作用，而不是[:]最后。因此，如果将来由于更新（或当前）而存在一些问题，.iloc[:len(a)]也可以使用。

我发现了一个棘手的方法，只是为了头脑风暴，请参见代码：

df['a'] = df['A']  # create a shadow column for MultiIndexing
df.sort_values('A', inplace=True)
df.set_index(["A","a"], inplace=True)
print(df)

输出：

             B
A     a
one   one    0
      one    1
      one    5
three three  3
      three  4
two   two    2

优点很容易打印，因为它返回一个数据框而不是Groupby Object。输出看起来不错。缺点是会创建一系列冗余数据。

在python 3中

k = None
for name_of_the_group, group in dict(df_group):
    if(k != name_of_the_group):
        print ('\n', name_of_the_group)
        print('..........','\n')
    print (group)
    k = name_of_the_group

以更互动的方式

打印所有（或任意多个）分组的df行：

import pandas as pd
pd.set_option('display.max_rows', 500)

grouped_df = df.group(['var1', 'var2'])
print(grouped_df)