python pandas中groupby函数as_index的入参说明

通常,pandas中的groupby()方法在调用完毕之后,会将by之后的列修改为index。如下所示:

>>> df=pd.read_excel(r'D:/myExcel/1.xlsx')
>>> df
  id   name  score grade
0  a    bog   45.0     A
1  c  jiken   67.0     B
2  i    bob   23.0     A
3  b  jiken   34.0     B
4  g   lucy    NaN     A
5  e   tidy   75.0     B
>>> df.groupby(by='grade').sum()
       score
grade       
A       68.0
B      176.0

之前,为了将grade重新设置为列,我们通常在调用完毕后再次调用reset_index()方法,如下所示:

>>> df.groupby(by='grade').sum().reset_index()
  grade  score
0     A   68.0
1     B  176.0

而as_index参数也可以起到同样作用,该参数是控制groupby方法是否需要将列作为新的index。默认是True,为了达到上述目的,我们只需要将其设置为False即可

>>> df.groupby(by='grade', as_index=False).sum()
  grade  score
0     A   68.0
1     B  176.0

哈哈,以上就是python小工具关于as_index的说明,有兴趣的话欢迎关注:python小工具。一起学习python和pandas
在这里插入图片描述

  • 1
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Pandas 是一个强大的数据分析工具,提供了很多常用的函数来处理数据,下面是一些常用的函数及其用法: 1. read_csv():读取 CSV 文件并返回一个 DataFrame 对象。 2. head():返回 DataFrame 的前几行数据,默认为前 5 行。 3. tail():返回 DataFrame 的后几行数据,默认为后 5 行。 4. info():返回 DataFrame 的基本信息,包括每列的数据类型、非空值数量等。 5. describe():返回 DataFrame 的基本统计信息,包括计数、均值、标准差、最小值、最大值等。 6. shape:返回 DataFrame 的行数和列数。 7. columns:返回 DataFrame 的列名。 8. index:返回 DataFrame 的行索引。 9. loc[]:根据行标签和列标签访问 DataFrame 的元素。 10. iloc[]:根据行索引和列索引访问 DataFrame 的元素。 11. dropna():删除 DataFrame 的缺失值。 12. fillna():用指定的值或方法填充 DataFrame 的缺失值。 13. groupby():按照指定的列对 DataFrame 进行分组。 14. apply():对 DataFrame 的每一列应用指定的函数。 15. pivot_table():根据指定的列计算 DataFrame 的透视表。 16. merge():将两个 DataFrame 按照指定的列进行合并。 17. sort_values():按照指定的列对 DataFrame 进行排序。 18. drop_duplicates():去除 DataFrame 的重复行。 19. value_counts():统计 DataFrame 每个元素出现的次数。 20. isnull():判断 DataFrame 的元素是否为空值。 这些函数覆盖了 Pandas 的很多常用操作,掌握它们对于数据分析和处理非常有帮助。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值