分组

pandas.api.typing.DataFrameGroupBy 和 pandas.api.typing.SeriesGroupBy 实例分别由 groupby 调用 pandas.DataFrame.groupby() 和 pandas.Series.groupby() 返回。

索引，迭代

DataFrameGroupBy.__iter__()	分组迭代器。
SeriesGroupBy.__iter__()	分组迭代器。
DataFrameGroupBy.groups	字典 {分组名称 -> 分组标签}。
SeriesGroupBy.groups	字典 {分组名称 -> 分组标签}。
DataFrameGroupBy.indices	字典 {分组名称 -> 分组索引}。
SeriesGroupBy.indices	字典 {分组名称 -> 分组索引}。
DataFrameGroupBy.get_group(name[, obj])	从具有指定名称的分组构建 DataFrame。
SeriesGroupBy.get_group(name[, obj])	从具有指定名称的分组构建 DataFrame。

Grouper(*args, **kwargs)

Grouper 允许用户为对象指定 groupby 指令。

函数应用助手

NamedAgg(column, aggfunc)

用于列特定聚合的助手，可以控制输出列名。

函数应用

SeriesGroupBy.apply(func, *args, **kwargs)	按组应用函数 func 并将结果组合在一起。
DataFrameGroupBy.apply(func, *args[, ...])	按组应用函数 func 并将结果组合在一起。
SeriesGroupBy.agg([func, engine, engine_kwargs])	使用一个或多个操作在指定轴上进行聚合。
DataFrameGroupBy.agg([func, engine, ...])	使用一个或多个操作在指定轴上进行聚合。
SeriesGroupBy.aggregate([func, engine, ...])	使用一个或多个操作在指定轴上进行聚合。
DataFrameGroupBy.aggregate([func, engine, ...])	使用一个或多个操作在指定轴上进行聚合。
SeriesGroupBy.transform(func, *args[, ...])	调用在每个组上生成相同索引的 Series 的函数。
DataFrameGroupBy.transform(func, *args[, ...])	调用在每个组上生成相同索引的 DataFrame 的函数。
SeriesGroupBy.pipe(func, *args, **kwargs)	将带有参数的 func 应用于此 GroupBy 对象并返回其结果。
DataFrameGroupBy.pipe(func, *args, **kwargs)	将带有参数的 func 应用于此 GroupBy 对象并返回其结果。
DataFrameGroupBy.filter(func[, dropna])	过滤不满足条件的组中的元素。
SeriesGroupBy.filter(func[, dropna])	过滤不满足条件的组中的元素。

DataFrameGroupBy 计算/描述性统计

DataFrameGroupBy.all([skipna])	如果组中所有值都为真，则返回 True，否则返回 False。
DataFrameGroupBy.any([skipna])	如果组中任何值为真，则返回 True，否则返回 False。
DataFrameGroupBy.bfill([limit])	向后填充值。
DataFrameGroupBy.corr([method, min_periods, ...])	计算列的成对相关性，排除 NA/空值。
DataFrameGroupBy.corrwith(other[, axis, ...])	计算成对相关性。
DataFrameGroupBy.count()	计算组的计数，排除缺失值。
DataFrameGroupBy.cov([min_periods, ddof, ...])	计算列的成对协方差，排除 NA/空值。
DataFrameGroupBy.cumcount([ascending])	对每个组中的每个项目编号，从 0 到该组的长度 - 1。
DataFrameGroupBy.cummax([axis, numeric_only])	每个组的累积最大值。
DataFrameGroupBy.cummin([axis, numeric_only])	每个组的累积最小值。
DataFrameGroupBy.cumprod([axis])	每个组的累积乘积。
DataFrameGroupBy.cumsum([axis])	对每个分组进行累加。
DataFrameGroupBy.describe([percentiles, ...])	生成描述性统计信息。
DataFrameGroupBy.diff([periods, axis])	元素的一阶离散差分。
DataFrameGroupBy.ffill([limit])	向前填充值。
DataFrameGroupBy.fillna([value, method, ...])	(已弃用) 使用指定的方法在分组内填充 NA/NaN 值。
DataFrameGroupBy.first([numeric_only, ...])	计算每个分组中每列的第一个条目。
DataFrameGroupBy.head([n])	返回每个分组的前 n 行。
DataFrameGroupBy.idxmax([axis, skipna, ...])	返回在请求的轴上最大值的第一次出现的索引。
DataFrameGroupBy.idxmin([axis, skipna, ...])	返回在请求的轴上最小值的第一次出现的索引。
DataFrameGroupBy.last([numeric_only, ...])	计算每个组内每列的最后一个条目。
DataFrameGroupBy.max([numeric_only, ...])	计算组值的最大值。
DataFrameGroupBy.mean([numeric_only, ...])	计算组的平均值，排除缺失值。
DataFrameGroupBy.median([numeric_only])	计算组的中位数，排除缺失值。
DataFrameGroupBy.min([numeric_only, ...])	计算组值的最小值。
DataFrameGroupBy.ngroup([ascending])	从 0 到组数 - 1 对每个组进行编号。
DataFrameGroupBy.nth	如果 n 是整数，则从每个组中获取第 n 行，否则获取行子集。
DataFrameGroupBy.nunique([dropna])	返回一个 DataFrame，其中包含每个位置的唯一元素计数。
DataFrameGroupBy.ohlc()	计算组的开盘价、最高价、最低价和收盘价，排除缺失值。
DataFrameGroupBy.pct_change([periods, ...])	计算每个值相对于组中前一个条目的百分比变化。
DataFrameGroupBy.prod([numeric_only, min_count])	计算组值的乘积。
DataFrameGroupBy.quantile([q, ...])	返回组值在给定分位数上的值，类似于 numpy.percentile。
DataFrameGroupBy.rank([method, ascending, ...])	提供每个组内值的排名。
DataFrameGroupBy.resample(rule, *args[, ...])	在使用 TimeGrouper 时提供重采样。
DataFrameGroupBy.rolling(*args, **kwargs)	返回一个滚动分组器，为每个组提供滚动功能。
DataFrameGroupBy.sample([n, frac, replace, ...])	从每个组中返回随机样本。
DataFrameGroupBy.sem([ddof, numeric_only])	计算组的平均值的标准误差，排除缺失值。
DataFrameGroupBy.shift([periods, freq, ...])	将每个组移动 periods 个观察值。
DataFrameGroupBy.size()	计算组的大小。
DataFrameGroupBy.skew([axis, skipna, ...])	返回组内的无偏偏度。
DataFrameGroupBy.std([ddof, engine, ...])	计算组的标准差，排除缺失值。
DataFrameGroupBy.sum([numeric_only, ...])	计算组值的总和。
DataFrameGroupBy.var([ddof, engine, ...])	计算组的方差，排除缺失值。
DataFrameGroupBy.tail([n])	返回每个组的最后 n 行。
DataFrameGroupBy.take(indices[, axis])	返回每个组中给定 *位置* 索引中的元素。
DataFrameGroupBy.value_counts([subset, ...])	返回包含唯一行计数的 Series 或 DataFrame。

SeriesGroupBy 计算 / 描述性统计

SeriesGroupBy.all([skipna])	如果组中所有值都为真，则返回 True，否则返回 False。
SeriesGroupBy.any([skipna])	如果组中任何值为真，则返回 True，否则返回 False。
SeriesGroupBy.bfill([limit])	向后填充值。
SeriesGroupBy.corr(other[, method, min_periods])	计算与 other Series 的相关性，排除缺失值。
SeriesGroupBy.count()	计算组的计数，排除缺失值。
SeriesGroupBy.cov(other[, min_periods, ddof])	计算与 Series 的协方差，排除缺失值。
SeriesGroupBy.cumcount([ascending])	对每个组中的每个项目编号，从 0 到该组的长度 - 1。
SeriesGroupBy.cummax([axis, numeric_only])	每个组的累积最大值。
SeriesGroupBy.cummin([axis, numeric_only])	每个组的累积最小值。
SeriesGroupBy.cumprod([axis])	每个组的累积乘积。
SeriesGroupBy.cumsum([axis])	对每个分组进行累加。
SeriesGroupBy.describe([percentiles, ...])	生成描述性统计信息。
SeriesGroupBy.diff([periods, axis])	元素的一阶离散差分。
SeriesGroupBy.ffill([limit])	向前填充值。
SeriesGroupBy.fillna([value, method, axis, ...])	(已弃用) 使用指定的方法在分组内填充 NA/NaN 值。
SeriesGroupBy.first([numeric_only, ...])	计算每个分组中每列的第一个条目。
SeriesGroupBy.head([n])	返回每个分组的前 n 行。
SeriesGroupBy.last([numeric_only, ...])	计算每个组内每列的最后一个条目。
SeriesGroupBy.idxmax([axis, skipna])	返回最大值的行标签。
SeriesGroupBy.idxmin([axis, skipna])	返回最小值的索引标签。
SeriesGroupBy.is_monotonic_increasing	返回每个分组的值是否单调递增。
SeriesGroupBy.is_monotonic_decreasing	返回每个分组的值是否单调递减。
SeriesGroupBy.max([numeric_only, min_count, ...])	计算组值的最大值。
SeriesGroupBy.mean([numeric_only, engine, ...])	计算组的平均值，排除缺失值。
SeriesGroupBy.median([numeric_only])	计算组的中位数，排除缺失值。
SeriesGroupBy.min([numeric_only, min_count, ...])	计算组值的最小值。
SeriesGroupBy.ngroup([ascending])	从 0 到组数 - 1 对每个组进行编号。
SeriesGroupBy.nlargest([n, keep])	返回最大的 n 个元素。
SeriesGroupBy.nsmallest([n, keep])	返回最小的 n 个元素。
SeriesGroupBy.nth	如果 n 是整数，则从每个组中获取第 n 行，否则获取行子集。
SeriesGroupBy.nunique([dropna])	返回分组中唯一元素的数量。
SeriesGroupBy.unique()	返回每个分组的唯一值。
SeriesGroupBy.ohlc()	计算组的开盘价、最高价、最低价和收盘价，排除缺失值。
SeriesGroupBy.pct_change([periods, ...])	计算每个值相对于组中前一个条目的百分比变化。
SeriesGroupBy.prod([numeric_only, min_count])	计算组值的乘积。
SeriesGroupBy.quantile([q, interpolation, ...])	返回组值在给定分位数上的值，类似于 numpy.percentile。
SeriesGroupBy.rank([method, ascending, ...])	提供每个组内值的排名。
SeriesGroupBy.resample(rule, *args[, ...])	在使用 TimeGrouper 时提供重采样。
SeriesGroupBy.rolling(*args, **kwargs)	返回一个滚动分组器，为每个组提供滚动功能。
SeriesGroupBy.sample([n, frac, replace, ...])	从每个组中返回随机样本。
SeriesGroupBy.sem([ddof, numeric_only])	计算组的平均值的标准误差，排除缺失值。
SeriesGroupBy.shift([periods, freq, axis, ...])	将每个组移动 periods 个观察值。
SeriesGroupBy.size()	计算组的大小。
SeriesGroupBy.skew([axis, skipna, numeric_only])	返回组内的无偏偏度。
SeriesGroupBy.std([ddof, engine, ...])	计算组的标准差，排除缺失值。
SeriesGroupBy.sum([numeric_only, min_count, ...])	计算组值的总和。
SeriesGroupBy.var([ddof, engine, ...])	计算组的方差，排除缺失值。
SeriesGroupBy.tail([n])	返回每个组的最后 n 行。
SeriesGroupBy.take(indices[, axis])	返回每个组中给定 *位置* 索引中的元素。
SeriesGroupBy.value_counts([normalize, ...])

绘图和可视化

DataFrameGroupBy.boxplot([subplots, column, ...])	从 DataFrameGroupBy 数据中创建箱线图。
DataFrameGroupBy.hist([column, by, grid, ...])	创建 DataFrame 列的直方图。
SeriesGroupBy.hist([by, ax, grid, ...])	使用 matplotlib 绘制输入序列的直方图。
DataFrameGroupBy.plot	创建 Series 或 DataFrame 的绘图。
SeriesGroupBy.plot	创建 Series 或 DataFrame 的绘图。