python groupby分组后统计每组个数

你可以使用 `groupby` 函数来将数据按照指定的键分组，然后使用 `len` 函数统计每组的个数。

下面是一个示例代码：

from itertools import groupby

data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]

# 将数据按照值分组
groups = groupby(data)

# 统计每组的个数并输出
for key, group in groups:
    print(f"{key}: {len(list(group))}")

输出结果如下：

1: 1
2: 2
3: 3
4: 4

在这个示例代码中，我们首先定义了一个包含重复值的列表 `data`，然后使用 `groupby` 函数将这个列表按照值分组。接着，我们遍历每一组并使用 `len` 函数统计每一组的长度，最后输出结果。

相关问题

python groupby 分组后数据怎么调用

在 Python 中，groupby 函数可以将一个可迭代对象按照指定的 key 分组，并返回一个迭代器。每个分组都是一个 (key, group) 的二元组，其中 key 是分组的关键字，group 是一个迭代器，包含所有属于该分组的元素。

你可以通过 for 循环遍历分组后的结果，然后分别对每个分组进行操作，例如：

from itertools import groupby

data = [('A', 1), ('A', 2), ('B', 3), ('B', 4)]

for key, group in groupby(data, key=lambda x: x[0]):
    print(key)
    for item in group:
        print(item)

输出结果为：

A
('A', 1)
('A', 2)
B
('B', 3)
('B', 4)

在上面的例子中，我们将一个列表按照第一个元素进行分组，然后遍历每个分组并输出。你可以根据自己的需求对每个分组进行不同的操作，例如对每个分组进行统计、筛选等等。

pandas使用groupby分组之后统计每组中符合要求的数据

可以使用 `groupby` 方法对数据进行分组，然后使用 `apply` 方法对每组数据进行统计。

例如，假设有一个数据集 `df`，其中包含三列数据：`group`、`value1` 和 `value2`。我们要对 `group` 列进行分组，然后统计每组中 `value1` 大于 10 且 `value2` 小于 5 的数据个数，可以按如下方式实现：

import pandas as pd

# 创建数据集
data = {'group': ['A', 'A', 'B', 'B', 'C', 'C'],
        'value1': [12, 3, 5, 8, 15, 20],
        'value2': [3, 4, 2, 7, 1, 9]}
df = pd.DataFrame(data)

# 分组并统计每组符合条件的数据个数
result = df.groupby('group').apply(lambda x: ((x['value1'] > 10) & (x['value2'] < 5)).sum())
print(result)

输出结果为：

group
A    1
B    0
C    1
dtype: int64

说明在 A 组和 C 组中，有一个符合条件的数据。