Pandas上的SQL“按组分组”的含义是什么？

Question

使用groupby并在熊猫中并行应用过滤器的最有效方法是什么？

基本上我要的是SQL中的等效项

select *
...
group by col_name
having condition

我认为有很多用例，包括条件均值，总和，条件概率等，这些条件会使该命令非常强大。

我需要一个非常好的性能，因此理想情况下，这样的命令将不是在python中完成的多个分层操作的结果。

Answer 1

如unutbu的评论中所述，groupby的过滤器等效于SQL的HAVING：

In [11]: df = pd.DataFrame([[1, 2], [1, 3], [5, 6]], columns=['A', 'B'])

In [12]: df
Out[12]:
   A  B
0  1  2
1  1  3
2  5  6

In [13]: g = df.groupby('A')  #  GROUP BY A

In [14]: g.filter(lambda x: len(x) > 1)  #  HAVING COUNT(*) > 1
Out[14]:
   A  B
0  1  2
1  1  3

您可以编写更复杂的函数（将这些函数应用于每个组），只要它们返回简单的布尔值即可：

In [15]: g.filter(lambda x: x['B'].sum() == 5)
Out[15]:
   A  B
0  1  2
1  1  3

注意：
可能存在一个错误
，即您无法编写函数来对过去用于分组的列进行操作…解决方法是手动对列进行分组g = df.groupby(df['A']))。