如何根据多个分类值在 Python 中对数据框进行子集化

在数据处理中，我们经常需要根据多个分类值对数据进行子集化，以便更好地探索或分析数据。下面是在 Python 中根据多个分类值对数据进行子集化的方法。

根据单个分类值子集化数据

在 Python 中，我们可以使用 Pandas 库来处理数据。如果我们仅需要根据单个分类值对数据进行子集化，可以使用 Pandas 中的 groupby() 函数来实现。例如，以下代码演示如何根据城市名称对数据进行子集化：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 根据城市名称子集化数据
df_grouped = df.groupby('city')

上述代码中，我们首先读取了一个名为 data.csv 的数据文件，并使用 Pandas 的 groupby() 函数将数据根据城市名称进行了子集化。此时返回的是一个 GroupBy 对象，我们可以通过调用 get_group() 方法来获取所需子集的数据。

# 获取城市为 New York City 的所有数据
ny_data = df_grouped.get_group('New York City')

上述代码中，我们通过 get_group() 方法获取了城市名称为 New York City 的所有数据。

根据多个分类值子集化数据

如果我们需要根据多个分类值对数据进行子集化，则需要将多个分类值作为参数传递给 groupby() 函数。例如，以下代码演示如何根据城市名称和性别对数据进行子集化：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 根据城市名称和性别子集化数据
df_grouped = df.groupby(['city', 'gender'])

上述代码中，我们将城市名称和性别作为参数传递给 groupby() 函数，将数据根据这两个分类值进行了子集化。

此时返回的也是一个 GroupBy 对象，我们可以通过调用 get_group() 方法来获取所需子集的数据。

# 获取城市为 New York City 且性别为 Female 的所有数据
ny_female_data = df_grouped.get_group(('New York City', 'Female'))

上述代码中，我们通过调用 get_group() 方法，并将 ('New York City', 'Female') 作为参数传递给该方法，获取了城市名称为 New York City、性别为 Female 的所有数据。

总结

在 Python 中，我们可以使用 Pandas 库来根据多个分类值对数据进行子集化。通过 groupby() 函数和 get_group() 方法，我们可以方便地处理数据。