### Python 分组键的使用形式及示例 在 Python 中，`pandas` 是一个强大的数据分析库，提供了 `groupby` 方法用于分组操作。分组键可以是单个列、多个列或自定义函数等。以下详细介绍分组键的使用形式，并提供示例代码。 #### 1. 按单个列分组 当需要根据数据框中的某一列进行分组时，可以直接将该列名作为分组键传递给 `groupby` 方法[^3]。 ```python import pandas as pd # 创建示例数据集 data = { 'Category': ['A', 'A', 'B', 'B', 'C', 'C', 'A', 'B', 'C'], 'Values': [10, 15, 10, 20, 30, 25, 20, 35, 40] } df = pd.DataFrame(data) # 按单个列 'Category' 进行分组 grouped = df.groupby('Category') # 计算每个分组的总和 result = grouped['Values'].sum() print(result) ``` #### 2. 按多个列分组 如果需要根据多列进行分组，可以将列名以列表的形式传递给 `groupby` 方法[^3]。 ```python # 添加新列 data['SubCategory'] = ['X', 'Y', 'X', 'Y', 'X', 'Y', 'X', 'Y', 'X'] df = pd.DataFrame(data) # 按多个列 'Category' 和 'SubCategory' 进行分组 grouped = df.groupby(['Category', 'SubCategory']) # 计算每个分组的均值 result = grouped['Values'].mean() print(result) ``` #### 3. 使用自定义函数作为分组键 除了直接使用列名外，还可以通过自定义函数动态生成分组键[^3]。 ```python # 自定义分组函数 def custom_group(key): if key < 20: return 'Low' elif key < 40: return 'Medium' else: return 'High' # 按 'Values' 列应用自定义分组函数 grouped = df.groupby(df['Values'].apply(custom_group)) # 统计每个分组的数量 result = grouped.size() print(result) ``` #### 4. 使用索引作为分组键 可以将数据框的索引作为分组键[^3]。 ```python # 设置 'Category' 列为索引 df.set_index('Category', inplace=True) # 按索引进行分组 grouped = df.groupby(level=0) # 计算每个分组的最大值 result = grouped['Values'].max() print(result) ``` #### 5. 按数组或其他序列分组 可以使用与数据长度相同的数组或序列作为分组键[^3]。 ```python # 创建分组键数组 group_keys = ['G1', 'G1', 'G2', 'G2', 'G3', 'G3', 'G1', 'G2', 'G3'] # 按数组进行分组 grouped = df.groupby(group_keys) # 统计每个分组的总和 result = grouped['Values'].sum() print(result) ``` ---