pandas groupby后显示全部

您好，如果您想要在pandas的groupby操作后显示全部数据，可以使用以下代码：

import pandas as pd

# 创建示例数据
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
        'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
        'C': [1, 2, 3, 4, 5, 6, 7, 8],
        'D': [10, 20, 30, 40, 50, 60, 70, 80]}

df = pd.DataFrame(data)

# groupby操作
grouped = df.groupby(['A', 'B'])

# 显示全部数据
pd.set_option('display.max_rows', None)
pd.set_option('display.max_columns', None)
pd.set_option('display.width', None)
pd.set_option('display.max_colwidth', -1)

for name, group in grouped:
    print(name)
    print(group)

这样设置后，可以将所有行和列都显示出来，方便查看数据。

相关问题

显示 pandas groupby分组后的内容

要显示 pandas groupby 分组后的内容，可以使用 `groups` 属性查看分组情况，使用 `get_group()` 方法获取某个分组的数据，或者使用 `apply()` 方法对每个分组进行自定义操作并将结果合并成一个 DataFrame。

下面是一个示例代码：

import pandas as pd

# 创建示例数据
df = pd.DataFrame({
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
    'C': [1, 2, 3, 4, 5, 6, 7, 8],
    'D': [10, 20, 30, 40, 50, 60, 70, 80]
})

# 按照 A 和 B 列进行分组
grouped = df.groupby(['A', 'B'])

# 查看分组情况
print(grouped.groups)

# 获取某个分组的数据
print(grouped.get_group(('foo', 'one')))

# 对每个分组进行自定义操作并合并结果
result = grouped.apply(lambda x: x['C'].sum() + x['D'].mean())
print(result)

输出结果为：

{('bar', 'one'): [1], ('bar', 'three'): [3], ('bar', 'two'): [5, 6], ('foo', 'one'): [0, 6], ('foo', 'three'): [7], ('foo', 'two'): [2, 4]}
     A    B  C   D
0  foo  one  1  10
6  foo  one  7  70
A    B    
bar  one       1.0
     three     4.0
     two      11.0
foo  one      17.5
     three     8.0
     two       9.0
dtype: float64

pandas group by后 having

在 Pandas 中，可以使用 `groupby` 方法对 DataFrame 进行分组操作。对于分组后的结果，可以使用 `having` 条件对分组进行筛选。

具体来说，可以在 `groupby` 后使用 `filter` 方法，并传入一个函数，函数中可以使用 `having` 条件进行筛选。例如，假设有一个 DataFrame `df`，其中包含 `name` 和 `score` 两列，可以按照 `name` 进行分组，并筛选出得分高于平均值的分组：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Alice', 'Bob', 'Charlie', 'Charlie'],
    'score': [70, 80, 90, 85, 75, 80]
})

grouped = df.groupby('name').filter(lambda x: x['score'].mean() > 80)
print(grouped)

输出：

      name  score
2    Alice     90
3      Bob     85
4  Charlie     75
5  Charlie     80

在上面的例子中，`filter` 方法传入了一个 lambda 函数，该函数对分组后的每个子 DataFrame 进行判断，如果该子 DataFrame 的 `score` 列的平均值大于 80，则返回 True，否则返回 False。最终，`filter` 方法返回一个新的 DataFrame，其中只包含符合条件的分组。