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