pandas.core.groupby.DataFrameGroupBy.take #

DataFrameGroupBy。take ( indexs , axis = _NoDefault.no_default , ** kwargs ) [来源] #

返回每组中给定位置索引中的元素。

这意味着我们没有根据对象索引属性中的实际值进行索引。我们根据元素在对象中的实际位置进行索引。

如果某个组不存在请求的索引，则此方法将引发。要获得忽略不存在索引的类似行为，请参阅 DataFrameGroupBy.nth()。

参数：

类似数组的索引: 指示要采取哪些位置的整数数组。
轴{0 或 'index', 1 或 'columns', None}, 默认 0: 选择元素的轴。0意味着我们正在选择行，1意味着我们正在选择列。

自版本 2.1.0 起已弃用：对于 axis=1，改为对基础对象进行操作。否则，axis 关键字不是必需的。
**夸格: 为了与numpy.take().对输出没有影响。

返回：

数据框: 包含从每个组中获取的元素的 DataFrame。

也可以看看

DataFrame.take: 沿轴从系列中获取元素。
DataFrame.loc: 通过标签选择 DataFrame 的子集。
DataFrame.iloc: 按位置选择 DataFrame 的子集。
numpy.take: 沿轴从数组中取出元素。

例子

>>> df = pd.DataFrame([('falcon', 'bird', 389.0),
...                    ('parrot', 'bird', 24.0),
...                    ('lion', 'mammal', 80.5),
...                    ('monkey', 'mammal', np.nan),
...                    ('rabbit', 'mammal', 15.0)],
...                   columns=['name', 'class', 'max_speed'],
...                   index=[4, 3, 2, 1, 0])
>>> df
     name   class  max_speed
4  falcon    bird      389.0
3  parrot    bird       24.0
2    lion  mammal       80.5
1  monkey  mammal        NaN
0  rabbit  mammal       15.0
>>> gb = df.groupby([1, 1, 2, 2, 2])

沿着轴 0（默认）在位置 0 和 1 处获取元素。

请注意结果中选择的索引与我们的输入索引 0 和 1 不对应。这是因为我们选择的是第 0 行和第 1 行，而不是索引等于 0 和 1 的行。

>>> gb.take([0, 1])
       name   class  max_speed
1 4  falcon    bird      389.0
  3  parrot    bird       24.0
2 2    lion  mammal       80.5
  1  monkey  mammal        NaN

指定索引的顺序会影响结果的顺序。这里，顺序与前面的示例交换了。

>>> gb.take([1, 0])
       name   class  max_speed
1 3  parrot    bird       24.0
  4  falcon    bird      389.0
2 1  monkey  mammal        NaN
  2    lion  mammal       80.5

沿轴 1 获取索引 1 和 2 处的元素（列选择）。

我们可以使用负整数作为正索引，从对象的末尾开始获取元素，就像 Python 列表一样。

>>> gb.take([-1, -2])
       name   class  max_speed
1 3  parrot    bird       24.0
  4  falcon    bird      389.0
2 0  rabbit  mammal       15.0
  1  monkey  mammal        NaN