df.groupby()方法使用表达式分组

news2025/1/7 5:18:39

# 索引值是否为偶数，分成两组
df.groupby(lambda x:x%2==0).sum()
df.groupby(df.index%2==0).sum() # 同上

这两个写法看似相似，确实都基于索引值来进行分组，但在实现方式上有细微的区别：

df.groupby(lambda x: x % 2 == 0)
这种方式通过 lambda 表达式来定义分组规则。lambda x: x % 2 == 0 中的 x 是 groupby 内部遍历的每个索引值。所以，这个 lambda 函数实际上是为每个索引值判断它是否为偶数，从而决定分组。
- 这种写法的好处是可以灵活地应用任何逻辑来处理索引值，允许你在分组时更精细地控制分组规则。
df.groupby(df.index % 2 == 0)
这种方式直接使用了 df.index % 2 == 0 作为分组规则。df.index 是一个包含所有索引值的数组（或类似的结构），这个表达式 df.index % 2 == 0 会生成一个布尔数组，标记哪些索引值是偶数，哪些是奇数。groupby 然后使用这个布尔数组来进行分组。
- 这种方式的好处是更加简洁，直接使用了 df.index，避免了 lambda 表达式，代码更紧凑。

区别总结

灵活性：
- 使用 lambda 表达式时，你可以定义更复杂的分组规则，不仅限于简单的偶数判断。例如，你可以根据多个条件组合来判断分组。
- 使用 df.index % 2 == 0 时，规则是固定的，简单而直接。
代码简洁性：
- df.groupby(df.index % 2 == 0) 更简洁，直接通过 df.index 计算布尔值分组，不需要额外的 lambda 表达式。
性能：
- 从性能上来看，df.groupby(df.index % 2 == 0) 可能稍微更高效一些，因为它直接生成布尔数组而不需要通过 lambda 函数进行每个索引的判断。

举例对比

假设有一个简单的 DataFrame：

import pandas as pd

df = pd.DataFrame({
    'value1': [10, 20, 30, 40, 50],
    'value2': [5, 10, 15, 20, 25]
}, index=[0, 1, 2, 3, 4])

print(df)

输出：

   value1  value2
0      10       5
1      20      10
2      30      15
3      40      20
4      50      25

df.groupby(lambda x: x % 2 == 0)：

result1 = df.groupby(lambda x: x % 2 == 0).sum()
print(result1)

输出：

       value1  value2
False      60      30
True      150      75

df.groupby(df.index % 2 == 0)：

result2 = df.groupby(df.index % 2 == 0).sum()
print(result2)

输出：

       value1  value2
False      60      30
True      150      75

结论

功能上，两者是等价的，都能根据索引值的偶奇性来分组。
主要的区别在于：使用 lambda 时更灵活，适合更复杂的分组逻辑；而直接使用 df.index % 2 == 0 更简洁且高效。

使用 lambda 表达式时，你可以定义更复杂的分组规则，不仅限于简单的偶数判断。

下面举个例子说明。
当我们使用 lambda 表达式时，可以根据多个条件组合来进行分组。这使得我们能够通过更复杂的逻辑来定义分组规则，而不仅仅是简单的偶数或奇数判断。下面我将展示一个更复杂的分组规则的示例，其中我们使用多个条件来判断如何分组。

示例：根据索引值的偶奇性和某列的值来分组

假设我们有一个 DataFrame，其中有一个包含数值的列 value，我们可以根据以下规则进行分组：

如果索引是偶数且 value 列的值大于 30，则分为一组。
如果索引是奇数且 value 列的值小于或等于 30，则分为另一组。
否则，分为其他组。

代码示例

import pandas as pd

# 创建一个包含多个条件的DataFrame
df = pd.DataFrame({
    'value': [10, 20, 30, 40, 50],
    'other': [5, 15, 25, 35, 45]
}, index=[0, 1, 2, 3, 4])

print("Original DataFrame:")
print(df)

输出：

在这里插入图片描述

使用 `lambda` 表达式根据多个条件进行分组

# 使用lambda表达式定义更复杂的分组规则
result = df.groupby(lambda x: 'Group1' if (x % 2 == 0 and df.loc[x, 'value'] > 30) else 
                              ('Group2' if (x % 2 != 0 and df.loc[x, 'value'] <= 30) else 'Other')).sum()

print("\nGrouped by complex conditions:")
print(result)

解释

条件判断：
- (x % 2 == 0 and df.loc[x, 'value'] > 30)：检查索引是否为偶数，并且该行的 value 列的值大于 30，满足此条件的行会被分到 'Group1'。
- (x % 2 != 0 and df.loc[x, 'value'] <= 30)：检查索引是否为奇数，并且该行的 value 列的值小于或等于 30，满足此条件的行会被分到 'Group2'。
- 否则，这些行会被分到 'Other' 组。
分组并求和：使用 .sum() 对每个组的值进行求和。