如何在 Pandas 中对多索引进行 groupby?
pythonserver side programmingprogramming更新于 2025/10/20 20:28:17
多索引数据框是具有多个索引的数据框。假设以下是我们存储在桌面上的 csv −
首先，导入 pandas 库并读取上述 CSV 文件 −
import pandas as pd
df = pd.read_csv("C:/Users/amit_/Desktop/sales.csv") print(df)
我们将形成‘Car‘和 ‘Place‘ 的 Dataframe 列作为索引 −
df = df.set_index([&39;Car&39;, &39;Place&39;])
DataFrame 现在是一个多索引 DataFrame，具有 ‘Car‘ 和 ‘Place‘列作为索引。
现在，让我们在多索引数据框上使用 groupby:
res = df.groupby(level=['Car'])['UnitsSold'].mean() print(res)
示例
以下是代码 −
import pandas as pd
df = pd.read_csv("C:/Users/amit_/Desktop/sales.csv")
print(df)
# 将 DataFrame 的 Car 和 Place 列设置为索引
df = df.set_index(['Car', 'Place'])
# 排序
df.sort_index()
# groupby on多索引数据帧
res = df.groupby(level=['Car'])['UnitsSold'].mean()
print(res)
输出
这将产生以下输出 −
Car Place Sold 0 BMW Delhi 95 1 Mercedes Hyderabad 80 2 Lamborgini Chandigarh 80 3 Audi Bangalore 75 4 Mercedes Hyderabad 90 5 Porsche Mumbai 90 6 RollsRoyce Mumbai 95 7 BMW Delhi 50 Car Audi 75.8 BMW 72.5 Lamborgini 80.0 Mercedes 85.0 Porsche 90.0 RollsRoyce 95.0 Name: UnitsSold, dtype: float64
相关文章
有用资源
python 参考教程 - 该教程包含有关 python 的更多信息:https://www.cainiaomax.com/python/
