GroupBy

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__()	Groupby 迭代器。
SeriesGroupBy.__iter__()	Groupby 迭代器。
DataFrameGroupBy.groups	字典 {组名 -> 组标签}。
SeriesGroupBy.groups	字典 {组名 -> 组标签}。
DataFrameGroupBy.indices	字典 {组名 -> 组索引}。
SeriesGroupBy.indices	字典 {组名 -> 组索引}。
DataFrameGroupBy.get_group(name)	使用提供的名称从组中构造 DataFrame。
SeriesGroupBy.get_group(name)	使用提供的名称从组中构造 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, *args, **kwargs)

用于控制输出列名称的特定列聚合的助手。

函数应用

SeriesGroupBy.apply(func, *args, **kwargs)	按组应用函数 func 并合并结果。
DataFrameGroupBy.apply(func, *args[, ...])	按组应用函数 func 并合并结果。
SeriesGroupBy.agg([func, engine, engine_kwargs])	使用一个或多个操作进行聚合。
DataFrameGroupBy.agg([func, engine, ...])	使用一个或多个操作进行聚合。
SeriesGroupBy.aggregate([func, engine, ...])	使用一个或多个操作进行聚合。
DataFrameGroupBy.aggregate([func, engine, ...])	使用一个或多个操作进行聚合。
SeriesGroupBy.transform(func, *args[, ...])	对每个组调用生成相同索引的 Series 的函数。
DataFrameGroupBy.transform(func, *args[, ...])	对每个组调用生成相同索引的 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])	过滤掉不满足标准的组的元素。
SeriesGroupBy.filter(func[, dropna])	过滤掉不满足标准的组的元素。

DataFrameGroupBy 计算 / 描述性统计

DataFrameGroupBy.all([skipna])	如果组中的所有值都为真，则返回 True，否则返回 False。
DataFrameGroupBy.any([skipna])	如果组中的任何值都为真，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/null 值。
DataFrameGroupBy.corrwith(other[, drop, ...])	(已弃用) 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/null 值。
DataFrameGroupBy.cumcount([ascending])	为组中的每个项目从 0 编号到该组的长度减 1。
DataFrameGroupBy.cummax([numeric_only])	每个组的累积最大值。
DataFrameGroupBy.cummin([numeric_only])	每个组的累积最小值。
DataFrameGroupBy.cumprod([numeric_only])	每个组的累积乘积。
DataFrameGroupBy.cumsum([numeric_only])	每个组的累积和。
DataFrameGroupBy.describe([percentiles, ...])	生成描述性统计信息。
DataFrameGroupBy.diff([periods])	元素的离散差值。
DataFrameGroupBy.ewm([com, span, halflife, ...])	返回一个 ewm grouper，为每个组提供 ewm 功能。
DataFrameGroupBy.expanding([min_periods, method])	返回一个 expanding grouper，为每个组提供 expanding 功能。
DataFrameGroupBy.ffill([limit])	向前填充值。
DataFrameGroupBy.first([numeric_only, ...])	计算每个组内每列的第一个条目。
DataFrameGroupBy.head([n])	返回每个组的前 n 行。
DataFrameGroupBy.idxmax([skipna, numeric_only])	返回每个组中最大值的第一个出现索引。
DataFrameGroupBy.idxmin([skipna, numeric_only])	返回每个组中最小值第一个出现索引。
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, skipna])	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])	将每个组从 0 编号到组数减 1。
DataFrameGroupBy.nth	如果 n 是整数，则取每组的第 n 行；否则，取行的子集。
DataFrameGroupBy.nunique([dropna])	返回 DataFrame，其中包含每列中唯一元素的计数。
DataFrameGroupBy.ohlc()	计算组的开盘、最高、最低和收盘值，排除缺失值。
DataFrameGroupBy.pct_change([periods, ...])	计算组中每个值与前一个条目的百分比变化。
DataFrameGroupBy.prod([numeric_only, ...])	计算组值的乘积。
DataFrameGroupBy.quantile([q, ...])	根据给定的分位数返回组值，类似于 numpy.percentile。
DataFrameGroupBy.rank([method, ascending, ...])	提供每个组内值的排名。
DataFrameGroupBy.resample(rule, *args[, ...])	使用 TimeGrouper 时提供重采样。
DataFrameGroupBy.rolling(window[, ...])	返回一个 rolling grouper，为每个组提供 rolling 功能。
DataFrameGroupBy.sample([n, frac, replace, ...])	从每个组中返回随机样本。
DataFrameGroupBy.sem([ddof, numeric_only, ...])	计算组的标准误差，排除缺失值。
DataFrameGroupBy.shift([periods, freq, ...])	将每个组移动 periods 个观测值。
DataFrameGroupBy.size()	计算组的大小。
DataFrameGroupBy.skew([skipna, numeric_only])	返回组内的无偏偏度。
DataFrameGroupBy.kurt([skipna, numeric_only])	返回组内的无偏峰度。
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, **kwargs)	返回每个组中指定位置索引的元素。
DataFrameGroupBy.value_counts([subset, ...])	返回一个包含唯一行计数的 Series 或 DataFrame。

SeriesGroupBy 计算 / 描述性统计

SeriesGroupBy.all([skipna])	如果组中的所有值都为真，则返回 True，否则返回 False。
SeriesGroupBy.any([skipna])	如果组中的任何值都为真，则返回 True，否则返回 False。
SeriesGroupBy.bfill([limit])	向后填充值。
SeriesGroupBy.corr(other[, method, min_periods])	计算每个组与其他 Series 之间的相关性。
SeriesGroupBy.count()	计算组的计数，排除缺失值。
SeriesGroupBy.cov(other[, min_periods, ddof])	计算每个组与其他 Series 之间的协方差。
SeriesGroupBy.cumcount([ascending])	为组中的每个项目从 0 编号到该组的长度减 1。
SeriesGroupBy.cummax([numeric_only])	每个组的累积最大值。
SeriesGroupBy.cummin([numeric_only])	每个组的累积最小值。
SeriesGroupBy.cumprod([numeric_only])	每个组的累积乘积。
SeriesGroupBy.cumsum([numeric_only])	每个组的累积和。
SeriesGroupBy.describe([percentiles, ...])	生成描述性统计信息。
SeriesGroupBy.diff([periods])	元素的离散差值。
SeriesGroupBy.ewm([com, span, halflife, ...])	返回一个 ewm grouper，为每个组提供 ewm 功能。
SeriesGroupBy.expanding([min_periods, method])	返回一个 expanding grouper，为每个组提供 expanding 功能。
SeriesGroupBy.ffill([limit])	向前填充值。
SeriesGroupBy.first([numeric_only, ...])	计算每个组内每列的第一个条目。
SeriesGroupBy.head([n])	返回每个组的前 n 行。
SeriesGroupBy.last([numeric_only, ...])	计算每个组内每列的最后一个条目。
SeriesGroupBy.idxmax([skipna])	返回最大值的行标签。
SeriesGroupBy.idxmin([skipna])	返回最小值行标签。
SeriesGroupBy.is_monotonic_increasing	返回每个组的值是否单调递增。
SeriesGroupBy.is_monotonic_decreasing	返回每个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, skipna, ...])	计算组的平均值，排除缺失值。
SeriesGroupBy.median([numeric_only, skipna])	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])	将每个组从 0 编号到组数减 1。
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，则取每组的第 n 行；否则，取行的子集。
SeriesGroupBy.nunique([dropna])	返回组中唯一元素的数量。
SeriesGroupBy.unique()	返回每个组的唯一值。
SeriesGroupBy.ohlc()	计算组的开盘、最高、最低和收盘值，排除缺失值。
SeriesGroupBy.pct_change([periods, ...])	计算组中每个值与前一个条目的百分比变化。
SeriesGroupBy.prod([numeric_only, ...])	计算组值的乘积。
SeriesGroupBy.quantile([q, interpolation, ...])	根据给定的分位数返回组值，类似于 numpy.percentile。
SeriesGroupBy.rank([method, ascending, ...])	提供每个组内值的排名。
SeriesGroupBy.resample(rule, *args[, ...])	使用 TimeGrouper 时提供重采样。
SeriesGroupBy.rolling(window[, min_periods, ...])	返回一个 rolling grouper，为每个组提供 rolling 功能。
SeriesGroupBy.sample([n, frac, replace, ...])	从每个组中返回随机样本。
SeriesGroupBy.sem([ddof, numeric_only, skipna])	计算组的标准误差，排除缺失值。
SeriesGroupBy.shift([periods, freq, ...])	将每个组移动 periods 个观测值。
SeriesGroupBy.size()	计算组的大小。
SeriesGroupBy.skew([skipna, numeric_only])	返回组内的无偏偏度。
SeriesGroupBy.kurt([skipna, numeric_only])	返回组内的无偏峰度。
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, **kwargs)	返回每个组中指定位置索引的元素。
SeriesGroupBy.value_counts([normalize, ...])	返回一个包含唯一行计数的 Series 或 DataFrame。

绘图与可视化

DataFrameGroupBy.boxplot([subplots, column, ...])	从DataFrameGroupBy数据创建箱线图。
DataFrameGroupBy.hist([column, by, grid, ...])	绘制 DataFrame 列的直方图。
SeriesGroupBy.hist([by, ax, grid, ...])	使用Series.hist() API绘制每个组值的直方图。
DataFrameGroupBy.plot	从DataFrame绘制组图。
SeriesGroupBy.plot	从Series绘制组图。