如何获取pandas中groupby对象中的组数？

Question

这会很有用，所以我知道我必须对多少个独特的组进行计算。 谢谢你。

假设 groupby 对象称为dfgroup 。

Answer 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，用于存储 GroupBy 对象中的组数。

# 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GroupBy.groups不同，后者返回实际组本身。

为什么我应该更喜欢这个而不是len ？

正如BrenBarn 的回答中所述，您可以使用len(dfg)来获取组数。 但你不应该。 查看GroupBy.__len__的实现（这是len()调用的），我们看到__len__调用GroupBy.groups ，它返回分组索引的字典：

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是一个可以在恒定时间内访问的存储属性。

这已在GroupBy对象属性中记录。 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怎么办？

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

Answer 2

如文档所述，您可以使用len(dfgroup)获取组数。

Answer 3

您可以将格式说明符用作：

df.to_csv('filename_%d.csv'%x, index=False)

你会得到文件名另存为： filename_1.csv