在GroupBy对象上调用list()

print(list(df.groupby('A')))

给你:

[('one',      A  B
0  one  0
1  one  1
5  one  5), ('three',        A  B
3  three  3
4  three  4), ('two',      A  B
2  two  2)]

使用get_group()方法 你可以有这样的东西

new_group = df.groupby(['A'])
get_group('')

将您想要获取的组的名称放在方法中

在Jupyter Notebook中，如果您执行以下操作，它将打印对象的漂亮分组版本。apply方法有助于创建多索引数据框架。

by = 'A'  # groupby 'by' argument
df.groupby(by).apply(lambda a: a[:])

输出:

             A  B
A                
one   0    one  0
      1    one  1
      5    one  5
three 3  three  3
      4  three  4
two   2    two  2

如果您希望by列不出现在输出中，只需删除该列，如下所示。

df.groupby(by).apply(lambda a: a.drop(by, axis=1)[:])

输出:

         B
A         
one   0  0
      1  1
      5  5
three 3  3
      4  4
two   2  2

在这里，我不确定为什么.iloc[:]不能在结尾工作而不是[:]。因此，如果将来由于更新(或当前)而出现一些问题，.iloc[:len(a)]也可以工作。

df.groupby('A').apply(display)

提供简洁的格式

你不能直接通过print语句看到groupBy数据，但你可以通过使用for循环迭代组来看到 尝试这段代码以按数据查看组

group = df.groupby('A') #group variable contains groupby data
for A,A_df in group: # A is your column and A_df is group of one kind at a time
  print(A)
  print(A_df)

在尝试之后，您将得到一个输出作为groupby结果

我希望这对你们有帮助

为Groupby对象分配一个变量并使用.first()方法。例子:

 a = df_apps_clean[['App', 'Installs']].groupby('Installs')
 a.first()  <----