pandas 的 groupby 中的 as_index 是什么？

Question

as_index 在 groupby 在熊猫中的功能到底是什么？

原文由 Haritha 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

print() 是你什么都不懂的朋友。多次解疑。

看一看：

 import pandas as pd

df = pd.DataFrame(data={'books':['bk1','bk1','bk1','bk2','bk2','bk3'], 'price': [12,12,12,15,15,17]})

print(df)

print(df.groupby('books', as_index=True).sum())

print(df.groupby('books', as_index=False).sum())

输出：

   books  price
0   bk1     12
1   bk1     12
2   bk1     12
3   bk2     15
4   bk2     15
5   bk3     17

       price
books
bk1       36
bk2       30
bk3       17

  books  price
0   bk1     36
1   bk2     30
2   bk3     17

当 as_index=True 您在 groupby() 中使用的键将成为新数据帧中的索引。

将列设置为索引时获得的好处是：

1. 速度。 当您根据索引列过滤值时，例如。 df.loc['bk1'] ，由于索引列的散列，它会更快。它不必遍历整个 books 列来查找 'bk1' 。它只会计算 'bk1' 的哈希值，并一次性找到它。

2. 舒适。 当 as_index=True 您可以使用此语法 df.loc['bk1'] 与 --- df.loc[df.books=='bk1'] --- 相比，它更短更快。

原文由 Mohammad Yusuf 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

使用 group by 函数时，as_index 可以设置为 true 或 false，具体取决于您是否希望分组依据的列作为输出的索引。

 import pandas as pd
table_r = pd.DataFrame({
    'colors': ['orange', 'red', 'orange', 'red'],
    'price': [1000, 2000, 3000, 4000],
    'quantity': [500, 3000, 3000, 4000],
})
new_group = table_r.groupby('colors',as_index=True).count().sort('price', ascending=False)
print(new_group)

输出：

         price  quantity
colors
orange      2         2
red         2         2

现在 as_index=False

    colors  price  quantity
0  orange      2         2
1     red      2         2

请注意，当我们更改 as_index=False 时，颜色不再是索引

原文由 Marc vT 发布，翻译遵循 CC BY-SA 4.0 许可协议