如何在pandas中按值对Series进行分组？

Question

我现在有一个 pandas 的 Series，其中包含 Timestamp 的数据类型，并且我想按日期对其进行分组（每个组中有许多具有不同时间的行）。

看起来很明显的方法是类似于以下方式：

grouped = s.groupby(lambda x: x.date())

不过，pandas的groupby按索引对Series进行分组。我该如何使其按值进行分组？

- Martín Fixman

---

如果我理解正确，grouped = s.groupby(s.dt.date) 不起作用吗？你想实现什么？ - EdChum

https://dev59.com/Z2Mm5IYBdhLWcg3wB7d5 - luca

Answer 1

grouped = s.groupby(s)

或者：

grouped = s.groupby(lambda x: s[x])

- luca

---

是我想多了还是s.groupby()不能用有点荒谬？ - BallpointBen

你说得对，Python并不是为了在数据科学中执行groupby而发明的XD。 - Seymour

对于 ts.cumsum().groupby(ts.cumsum()).count()，最好使用链式方法，否则需要多次计算而没有变量。 - Mithril

它对我不起作用：它只是说：<pandas.core.groupby.generic.SeriesGroupBy object at 0x000002AD0136A1F0>。 - M_Idk392845

Answer 2

三种方法：

DataFrame: pd.groupby(['column']).size()

Series： sel.groupby(sel).size()

Series 转 DataFrame：

pd.DataFrame(sel, columns=['column']).groupby(['column']).size()

- Hangyu Liu

---

sel 是什么？ - undefined

@自由职业顾问 这是一个Series对象的名称。 - undefined

Answer 3

如果有其他人想要在不使用lambda表达式的情况下进行内联操作（这往往会影响性能）：

s.to_frame(0).groupby(0)[0]

- Andy Jones

Answer 4

您应该将其转换为DataFrame，然后添加一个列作为date()。可以在带有日期列的DataFrame上进行groupby。

df = pandas.DataFrame(s, columns=["datetime"])
df["date"] = df["datetime"].apply(lambda x: x.date())
df.groupby("date")

那么 "date" 就变成了你的索引。你必须这样做，因为最终分组对象需要一个索引，以便您可以执行像选择一组之类的操作。

- mirthbottle

Answer 5

为了提供另一个建议，我经常使用以下方法，因为它使用简单的逻辑：

pd.Series(index=s.values).groupby(level=0)

- mchl_k

---

这是基于索引值而非值本身的操作。你会得到共享相同索引值的组（例如，如果你的索引是日期，则会得到相同日期的组）。 - Adrian

仔细看一下，或者试一下，你会发现它是在值本身上工作的，因为我使用了 index=s.values。如果我使用了 pd.Series(s.values).groupby(level=0)，那么你就是正确的。 - mchl_k

是的，我再次查看了一下，第一次阅读时我误解了，对此我表示道歉。 - Adrian