pandas.core.groupby.SeriesGroupBy.get_group # 系列分组依据。get_group ( name , obj = None ) [来源] # 从具有提供名称的组构造 DataFrame。 参数: 名称对象要作为 DataFrame 获取的组的名称。 obj DataFrame,默认无要从中取出 DataFrame 的 DataFrame。如果为 None,则将使用调用的对象 groupby。 自版本 2.1.0 起已弃用:该 obj 已弃用,并将在未来版本中删除。做df.iloc[gb.indices.get(name)] 而不是.gb.get_group(name, obj=df) 返回: 与 obj 相同类型 例子 对于系列分组依据: >>> 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