如何在熊猫的 groupby 对象中获取组数？

Posted 2023-02-23

【中文标题】如何在熊猫的 groupby 对象中获取组数？

【英文标题】：How to get number of groups in a groupby object in pandas?

【发布时间】：2015-03-03 11:40:51

【问题描述】：

这很有用，因此我知道我必须对多少个唯一组执行计算。谢谢。

假设 groupby 对象被称为dfgroup。

【参考方案1】：

[pandas >= 0.23] 简单、快速和 Pandaic：ngroups

较新版本的 groupby API 提供了这个（未记录的）属性，该属性将组数存储在 GroupBy 对象中。

# setup
df = pd.DataFrame('A': list('aabbcccd'))
dfg = df.groupby('A')

# call `.ngroups` on the GroupBy object
dfg.ngroups
# 4

请注意，这与返回实际组本身的GroupBy.groups 不同。

为什么我更喜欢这个而不是len？

如BrenBarn's answer 中所述，您可以使用len(dfg) 获取组数。 但你不应该。查看implementation of GroupBy.__len__（这是len() 内部调用的），我们看到__len__ 调用GroupBy.groups，它返回一个分组索引的字典：

dfg.groups
'a': Int64Index([0, 1], dtype='int64'),
 'b': Int64Index([2, 3], dtype='int64'),
 'c': Int64Index([4, 5, 6], dtype='int64'),
 'd': Int64Index([7], dtype='int64')

根据您操作中的组数，生成字典只是为了找到它的长度是一个浪费的步骤。另一方面，ngroups 是一个存储属性，可以在恒定时间内访问。

这已记录在GroupBy object attributes 中。然而，len 的问题在于，对于具有很多组的 GroupBy 对象，这可能需要更长的时间

但是如果我真的想要每个组的大小呢？

你很幸运。我们有一个函数，它叫做GroupBy.size。但请注意，size 也计算 NaN。如果您不想计算 NaN，请改用 GroupBy.count。

【讨论】：

@U9-转发谢谢！这不是一个受欢迎的问题（相对而言），但我认为这里的支持意味着答案很有用。我仍然觉得我可以做出改进，所以我会稍微研究一下。

我猜你应该得到更多，ngroups 很聪明 :-)

注意len(g)如果有大量组，第一次调用时可能会非常慢！！此后 IPython 会缓存结果，但 g.ngroups 总是很快，因为它是作为属性存储的。

【参考方案2】：

作为documented，你可以得到len(dfgroup)的组数。

【讨论】：

如下所述，使用len(dfgroup) 可能会非常慢，尤其是对于大量组。 dfgroup.ngroups 是获取此值的最快方法，因为这是一个存储值！