dask_expr._groupby.SeriesGroupBy.get_group
dask_expr._groupby.SeriesGroupBy.get_group¶
- SeriesGroupBy.get_group(key)¶
从具有提供名称的组构造 DataFrame。
此文档字符串是从 pandas.core.groupby.groupby.GroupBy.get_group 复制的。
Dask 版本可能存在一些不一致性。
- 已知的不一致性：
如果组不存在，Dask 将返回一个空的 Series/DataFrame。
- 参数
- 名称object (Dask 中不支持)
要获取的组的名称，作为 DataFrame。
- objDataFrame，默认为 None （Dask 不支持）
要从中提取 DataFrame 的 DataFrame。如果为 None，则将使用调用 groupby 的对象。
2.1.0 版后已移除: obj 已被弃用，并将在未来的版本中移除。请使用
df.iloc[gb.indices.get(name)]代替gb.get_group(name, obj=df)。
- 返回
- 与 obj 相同类型
示例
对于 SeriesGroupBy:
>>> lst = ['a', 'a', 'b'] >>> ser = pd.Series([1, 2, 3], index=lst) >>> ser a 1 a 2 b 3 dtype: int64 >>> ser.groupby(level=0).get_group("a") a 1 a 2 dtype: int64
对于 DataFrameGroupBy：
>>> data = [[1, 2, 3], [1, 5, 6], [7, 8, 9]] >>> df = pd.DataFrame(data, columns=["a", "b", "c"], ... index=["owl", "toucan", "eagle"]) >>> df a b c owl 1 2 3 toucan 1 5 6 eagle 7 8 9 >>> df.groupby(by=["a"]).get_group((1,)) a b c owl 1 2 3 toucan 1 5 6
对于重采样器：
>>> ser = pd.Series([1, 2, 3, 4], index=pd.DatetimeIndex( ... ['2023-01-01', '2023-01-15', '2023-02-01', '2023-02-15'])) >>> ser 2023-01-01 1 2023-01-15 2 2023-02-01 3 2023-02-15 4 dtype: int64 >>> ser.resample('MS').get_group('2023-01-01') 2023-01-01 1 2023-01-15 2 dtype: int64