请你举个使用groupby函数中的group_keys参数的例子
时间: 2024-05-15 07:11:03 浏览: 186
DataFrame.groupby()所见的各种用法详解
5星 · 资源好评率100%
在 Pandas 中,groupby 函数可以用于对数据进行分组操作,并返回一个 GroupBy 对象。其中,group_keys 参数可以指定分组后的分组键(grouping key)的名称或标签,以便于对数据进行进一步的处理。
下面是一个 group_keys 参数的例子:
假设我们有以下的数据集,包含了几个学生的姓名、性别、年龄和成绩:
```
import pandas as pd
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva', 'Frank', 'Grace', 'Henry', 'Iris'],
'Gender': ['Female', 'Male', 'Male', 'Male', 'Female', 'Male', 'Female', 'Male', 'Female'],
'Age': [18, 19, 18, 19, 20, 19, 18, 19, 20],
'Score': [85, 76, 92, 81, 87, 90, 94, 88, 79]
}
df = pd.DataFrame(data)
```
接下来,我们可以使用 groupby 函数对数据按照性别进行分组,并将分组键设置为 Gender:
```
grouped = df.groupby('Gender', group_keys=True)
```
这里,我们将 group_keys 参数设置为 True,表示在返回的结果中包含分组键。然后,我们可以使用 agg 函数对每个分组进行聚合操作,比如计算每个性别的平均年龄和平均成绩:
```
result = grouped.agg({'Age': 'mean', 'Score': 'mean'})
```
最终的结果是一个包含了两个分组键的 DataFrame,其中 Gender 列显示了每个分组的性别,Age 和 Score 列显示了每个分组的平均年龄和平均成绩:
```
Age Score
Gender
Female 19.333333 83.666667
Male 19.222222 83.444444
```
阅读全文