pandas中groupby函数中参数ax_index和group_keys的区别

最新推荐文章于 2024-05-09 10:33:13 发布

非自然编程

最新推荐文章于 2024-05-09 10:33:13 发布

阅读量7.5k

点赞数 24

分类专栏： pandas 文章标签： python 数据分析

本文链接：https://blog.youkuaiyun.com/m0_46669407/article/details/108243184

版权

1 篇文章

订阅专栏

本文深入探讨了Pandas中groupby函数的as_index与group_keys参数的使用技巧，通过实例对比了不同设置下数据帧的变化，揭示了这些参数如何影响分组后的索引行为。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言：笔者在学习pandas中groupby函数时，发现ax_index=True\False和group_key=True\False这两个参数相近又有所不同，特写出此文供大家分享。

df = pd.DataFrame({'key1':list('aaabbbaabb'),
				'key2':[1,2,2,1,2,1,1,2,1,2,],
				'data1':np.random.randn(10),
				'data2':np.random.randn(10)})

得到df：

在这里插入图片描述

a1 = df.groupby(['key1','key2'],group_keys=True).apply(lambda x:x.iloc[[0,1]]) 
# 匿名函数的作用是选出每组的前两行

得到a1
在这里插入图片描述

a2 = df1.groupby(['key1','key2'],group_keys=False).apply(lambda x:x.iloc[[0,1]])

得到a2
在这里插入图片描述
group_keys=False 可以禁用分组键所形成的索引，不会删去原始对象的索引。

b1 = df1.groupby(['key1','key2'],as_index=False).apply(lambda x:x.iloc[[0,1]])

得到b1

在这里插入图片描述

b2 = df1.groupby(['key1','key2'],as_index=False).apply(lambda x:x.iloc[[0,1]])

得b2
在这里插入图片描述
ax_index=False 可以禁用分组键作为索引的行为，同时自动给定一个索引。

当两者都是False的情况下，相同之处在于：都会禁用分组键。不同之处在于：ax_index在消除分组键的同时会自动生成一个索引。

当调用聚合函数时，其本身的索引会失效，此时传递group_keys=False无效(与group_keys=True一样)
在这里插入图片描述