如何在 Python-Pandas 中迭代数据框组？

在 Pandas 中，数据框组是指将数据框按照某些特定条件进行分类后形成的多个数据框。在实际数据分析中，我们经常会需要对数据框组进行操作，例如对每个子数据框进行计算、筛选等操作。本文将详细介绍如何在 Python-Pandas 中迭代数据框组。

1. 将数据框按照某些特征进行分组

要迭代数据框组，首先需要将数据框按照某些特定的特征进行分组。可以使用 Pandas 中的 groupby 函数来实现。下面是一个示例代码：

import pandas as pd

df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar',
                         'foo', 'bar', 'foo', 'foo'],
                   'B': ['one', 'one', 'two', 'three',
                         'two', 'two', 'one', 'three'],
                   'C': [1, 3, 2, 4, 1, 6, 2, 7],
                   'D': [2.0, 4., 5., 2., 5., 6., 1., 1.]})

grouped = df.groupby('A')

上面的代码将数据框 df 按照 A 列进行分组，然后将分组结果存储在变量 grouped 中。我们可以通过 grouped.groups 属性查看分组结果：

print(grouped.groups)
# {'bar': [1, 3, 5], 'foo': [0, 2, 4, 6, 7]}

可以看到，grouped.groups 的返回结果是一个字典，其中键为分组的特征值，值为该特征值在原数据框中所对应的行的索引。

2. 迭代数据框组

有了分组结果之后，我们就可以开始对数据框组进行迭代操作了。具体有两种方式：

2.1 使用 for 循环迭代

最简单的迭代方式是使用 for 循环，示例代码如下：

for name, group in grouped:
    print(name)
    print(group)

上面的代码中，name 变量存储当前分组的特征值，group 变量存储当前分组形成的数据框。我们可以在循环体中对 group 变量进行任意操作。比如，我们可以对每个子数据框进行计算：

for name, group in grouped:
    mean = group['C'].mean()
    print('name: {}, mean: {}'.format(name, mean))

这段代码计算了每个分组的 C 列的平均值，并输出到屏幕上。

2.2 使用 apply 函数迭代

除了使用 for 循环以外，还可以使用 Pandas 自带的 apply 函数迭代数据框组。示例代码如下：

mean_of_groups = grouped.apply(lambda x: x['C'].mean())
print(mean_of_groups)

这段代码计算了每个分组的 C 列的平均值，并将结果存储在 mean_of_groups 变量中。

3. 总结

本文介绍了如何在 Pandas 中迭代数据框组。首先，需要将数据框按照某些特征值进行分组，可以使用 groupby 函数实现；然后，可以使用 for 循环或 apply 函数对数据框组进行迭代。这些方法可以帮助我们快速而方便地进行数据分析和处理。