如何对Pandas DataFrame的GroupBy对象跳过前n个组并保留GroupBy类型

嘿，我来帮你搞定这个问题！你已经用groupby("ID")完成了DataFrame的分组，但可惜GroupBy对象本身不支持像列表那样直接用[n:]切片来跳过前n个组。不过我们可以通过以下方法实现需求，而且能保证结果依然是GroupBy对象：

具体步骤 #

1. 获取分组键列表：先提取所有分组的键，这个列表的顺序和原GroupBy对象的分组顺序完全一致

   group_keys = list(df_grouped.groups.keys())
   

2. 筛选目标分组键：根据你要跳过的前n个组，截取列表中从第n+1个开始的键

   n = 2  # 这里替换成你实际要跳过的组数
   selected_keys = group_keys[n:]
   

3. 生成新的GroupBy对象：用filter方法筛选出仅包含目标键的分组，得到的结果就是我们需要的GroupBy对象

   df_grouped_skipped = df_grouped.filter(lambda x: x.name in selected_keys)
   

简洁写法 #

如果你想更紧凑一点，可以把步骤合并成一行代码：

n = 2
df_grouped_skipped = df_grouped.filter(lambda x: x.name in list(df_grouped.groups.keys())[n:])

验证效果 #

拿你的示例数据来说，执行完上述代码后，df_grouped_skipped.groups.keys()会返回dict_keys([6, 10])，完全符合你的预期。而且这个新对象依然是GroupBy类型，你可以继续对它进行分组后的各种操作（比如聚合、遍历分组等）。

小提醒：如果你的分组是带排序的（比如groupby("ID", sort=True)），那group_keys会是排序后的键列表，跳过前n个组也会按照排序后的顺序来执行哦。

内容的提问来源于stack exchange，提问作者Zyko