如何使用 Pandas groupby 将 DataFrame 行分组到列表中？

## 使用 Pandas groupby 将 DataFrame 行分组到列表中

数据分析通常需要将 DataFrame 中的类似样本分组在一起，以进行有效的分析。Pandas 库中的 groupby 函数是一个强大的工具，可用于执行此操作，它允许我们将 DataFrame 行按特定列分组并获取每个组的数据。

## 分步指南

1. 导入必需的库

import pandas as pd

2. 创建 DataFrame
创建一个 DataFrame，其中包含我们要分组的数据。例如：

df = pd.DataFrame({'a': ['A', 'A', 'B', 'B', 'B', 'C'],
                   'b': [1, 2, 5, 5, 4, 6]})

3. 使用 groupby 分组
使用 groupby 函数按指定列对 DataFrame 进行分组。例如：

grouped_df = df.groupby('a')['b'].apply(list)

在这里，我们将 DataFrame 按列"a"分组，并将列"b"的值作为列表存储在每个组中。

4. 查看结果
最后，我们可以打印 grouped_df 以查看分组结果：

print(grouped_df)

输出：

a
A    [1, 2]
B    [5, 5, 4]
C    [6]
Name: b, dtype: object

如你所见，DataFrame 已按列"a"分组，而列"b"的值已作为列表存储在各组中。

## 其他注意事项

• 除了 apply(list) 函数，你还可以使用其他聚合函数，如 apply(sum) 或 apply(mean)。
• groupby 函数可以同时对多个列进行分组。
• 分组操作后的结果是一个 Series 或 DataFrame，具体取决于所使用的聚合函数。
• 如果要保留原始 DataFrame 中的其他列，可以使用 groupby('a').agg({'b': 'list', 'c': 'mean'}) 等语法。

## 结论

通过使用 Pandas 的 groupby 函数，我们可以轻松地将 DataFrame 行分组到列表中，从而实现数据聚合。掌握这一技术对于有效的数据分析至关重要，它可以帮助我们从数据中提取有价值的见解。

## 常见问题解答

1. 如何按多个列对 DataFrame 进行分组？
使用 groupby(['列名1', '列名2', ...])

2. 如何使用聚合函数对分组数据进行聚合？
使用 apply(聚合函数)

3. 如何保留原始 DataFrame 中的其他列？
使用 agg() 方法，例如 groupby('a').agg({'b': 'list', 'c': 'mean'})

4. 如何将分组结果存储在新的 DataFrame 中？
使用 reset_index() 方法

5. 如何对分组数据应用条件过滤？
使用 filter() 方法