在 Pandas 的 Groupby 对象中绘制每个组的大小

在 Pandas 中，Groupby 对象是非常常见的数据处理操作之一。我们通常会使用 Groupby 对象来对数据集中的某些列进行聚合操作，然后得到一个新的数据集，其中每一行代表了各个列的聚合结果。在这个过程中，我们有时候需要知道每个组的大小是多少，以便在之后的分析中做出正确的判断。

使用 .size() 方法

Pandas 的 Groupby 对象有一个内置的 .size() 方法，可以用来计算每个组的大小。这个方法的输出是一个 Series，其中每个元素表示当前组的大小。下面是一个例子，使用 Groupby 对象对数据集进行聚合，并计算每个组的大小：

import pandas as pd

# 读取数据集
df = pd.read_csv('data.csv')

# 对 "Category" 列进行聚合，并计算每个组的大小
grouped_df = df.groupby('Category').size()
print(grouped_df)

输出为：

Category
A     8
B     3
C     6
dtype: int64

在这个例子中，我们首先读取了一个数据集，然后使用 .groupby() 方法对数据集中的 "Category" 列进行聚合操作。最后，我们使用 .size() 方法计算每个组的大小，并将结果保存到 grouped_df 变量中。打印 grouped_df 变量的结果可以看到，每个组的大小都被计算出来了。

将结果添加到原数据集中

除了将结果保存到变量中之外，我们还可以将计算结果添加到原数据集中，以便在之后的分析中使用。下面是一个例子，将计算结果添加到原数据集中：

import pandas as pd

# 读取数据集
df = pd.read_csv('data.csv')

# 对 "Category" 列进行聚合，并计算每个组的大小
grouped_df = df.groupby('Category').size().reset_index(name='Group_Size')

# 将计算结果添加到原数据集中
df_with_groups = pd.merge(df, grouped_df, on='Category')

# 查看添加了计算结果的数据集
print(df_with_groups)

输出为：

   ID Category  Value  Group_Size
0   1        A    100           8
1   2        A    200           8
2   3        A    300           8
3   4        A    400           8
4   5        A    500           8
5   6        A    600           8
6   7        A    700           8
7   8        A    800           8
8   9        B     10           3
9  10        B     20           3
10 11        B     30           3
11 12        C     40           6
12 13        C     50           6
13 14        C     60           6
14 15        C     70           6
15 16        C     80           6
16 17        C     90           6

在这个例子中，我们首先按照上面的方法计算了每个组的大小，并将结果保存到 grouped_df 变量中。然后，我们使用 .merge() 方法将计算结果和原数据集进行合并，最终得到了一个新的数据集 df_with_groups。在这个数据集中，我们可以看到每个组的大小已经被添加到了其中。

结论

在 Pandas 的 Groupby 对象中绘制每个组的大小非常简单，只需要使用 .size() 方法就可以实现。我们还可以选择将计算结果保存到变量中，或者将其添加到原数据集中。