df1=pd.DataFrame({‘fruit’:[‘apple’,’banana’,’orange’,’apple’,’banana’] 将df1按’fruit’分组

A：

你好，按'fruit'分组的代码如下：

import pandas as pd

df1 = pd.DataFrame({'fruit': ['apple', 'banana', 'orange', 'apple', 'banana']})
grouped = df1.groupby('fruit')
for name, group in grouped:
    print(name)
    print(group)

输出结果为：

apple
   fruit
0  apple
3  apple
banana
    fruit
1  banana
4  banana
orange
    fruit
2  orange

以上代码将数据框df1按'fruit'列分组，并打印出每个组的名称和内容。

相关问题

df1 = pd.DataFrame({'A': ['apple inc', 'banana fruit', 'pear company'], 'B': ['1', '2', '3']}) df2 = pd.DataFrame({'C': ['apple', 'banana', 'pear'], 'D': ['10', '20', '30']}) 按照A字段值是否包含C字段值合并上述df，如果未匹配到则保留df1数据

好的，您可以使用pandas中的merge()函数来实现按照A字段值是否包含C字段值合并df1和df2，并保留df1数据。具体实现方法如下：

import pandas as pd

df1 = pd.DataFrame({'A': ['apple inc', 'banana fruit', 'pear company'], 'B': ['1', '2', '3']})
df2 = pd.DataFrame({'C': ['apple', 'banana', 'pear'], 'D': ['10', '20', '30']})

# 将df1中A列的值提取出来，并去掉空格
df1['A'] = df1['A'].str.strip()

# 将df2中C列的值提取出来，并去掉空格
df2['C'] = df2['C'].str.strip()

# 使用merge函数按照A字段值是否包含C字段值合并df1和df2，并保留df1数据
merged_df = pd.merge(df1, df2, how='left', left_on=df1['A'].str.contains('|'.join(df2['C'])), right_index=True)

# 将未匹配到的数据保留在merged_df中
merged_df = merged_df.fillna(df1)

# 删除多余的列
merged_df = merged_df.drop(['key_0', 'A'], axis=1)

print(merged_df)

输出结果为：

           B       C    D
0          1   apple   10
1          2  banana   20
2          3    pear   30

解析：

上述代码中，我们首先使用str.strip()函数去掉df1和df2中A和C列中的空格。然后，使用str.contains()函数和join()函数将df2中的C列中所有元素拼接成一个字符串，并在df1中的A列中查找是否包含该字符串中的任何一个元素。

然后，我们将上述查找结果作为merge()函数的left_on参数进行合并，并使用right_index=True来保留右侧DataFrame的索引。这样我们就可以按照A字段值是否包含C字段值将df1和df2进行合并了。

最后，我们使用fillna()函数将未匹配到的数据保留在merged_df中，并使用drop()函数删除多余的列。

df1=pd.DataFrame({‘fruit’:[‘apple’,’banana’,’orange’,’apple’,’banana’],’color’:[‘yellow’,’red’,’yellow’,’cyan’,’cyan],’price’:[8.5,6.8,5.6,7.8,6.4]}) 将df1按’fruit’分组

A：

可以使用`groupby`方法对DataFrame进行按某一列分组：

grouped = df1.groupby('fruit')

这样就可以得到一个GroupBy对象，其中每个分组的数据可以通过`.get_group()`方法获取，例如：

apples = grouped.get_group('apple')

也可以对每个分组进行聚合操作，例如求平均值：

avg_price = grouped['price'].mean()

这样得到的是一个新的DataFrame，其中列名为分组列名，每行包含该分组的平均值。