pandas.core.groupby.SeriesGroupBy.take #
- 系列分组依据。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
SeriesGroupBy.nth()
。- 参数:
- 类似数组的索引
一个整数数组,指示在每组中采取哪些位置。
- 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。对于SeriesGroupBy,此参数未使用,默认为 0。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:
- 系列
包含从每个组中获取的元素的系列。
也可以看看
Series.take
沿轴从系列中获取元素。
Series.loc
通过标签选择 DataFrame 的子集。
Series.iloc
按位置选择 DataFrame 的子集。
numpy.take
沿轴从数组中取出元素。
SeriesGroupBy.nth
与 take 类似,如果索引不存在则不会引发。
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["name"].groupby([1, 1, 2, 2, 2])
在每组中沿轴 0 获取位置 0 和 1 处的元素(默认)。
>>> gb.take([0, 1]) 1 4 falcon 3 parrot 2 2 lion 1 monkey Name: name, dtype: object
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]) 1 3 parrot 4 falcon 2 0 rabbit 1 monkey Name: name, dtype: object