Pandas DataFrame中groupby的by参数函数所指“对象索引的每个值”是什么？

1. 「对象索引的每个值」具体指什么？ #

这里的「对象索引的每个值」，指的是你要分组的DataFrame/Series索引中的单个元素：

• 如果是普通单级索引（比如整数、字符串序列），就是索引里的每一个独立值，比如[10,20,30]里的10、20、30；
• 如果是多层索引（MultiIndex），则是每一组完整的索引元组，比如[('x',1), ('x',2)]里的('x',1)、('x',2)。

举个简单示例：

import pandas as pd
# 普通索引的DataFrame
df = pd.DataFrame({'value': [1,2,3,4]}, index=[10,20,30,40])
# 定义提取索引首数字的函数
def get_index_first_digit(idx_val):
    return str(idx_val)[0]
# 按函数分组
grouped = df.groupby(by=get_index_first_digit)

这个场景下，get_index_first_digit会被依次传入索引的每个值：10、20、30、40，分别返回'1'、'2'、'3'、'4'，最终DataFrame会按这个返回值分成4组。

2. 该函数是否会接收每行各列的所有值？ #

不会。这个函数只接收索引的单个值作为唯一参数，完全不会接触到行内的其他列数据。如果你的分组逻辑需要用到行的列值，应该直接针对列做处理（比如用df.groupby(lambda x: df['col'].iloc[x])或者直接指定列名分组），而不是把函数传给by参数（这种方式仅作用于索引）。

再给一个多层索引的示例：

# 多层索引的DataFrame
df_multi = pd.DataFrame({'value': [1,2,3]}, index=[('A', 1), ('A', 2), ('B', 1)])
# 按多层索引的第一层级分组
def group_by_first_level(idx_tuple):
    return idx_tuple[0]
grouped_multi = df_multi.groupby(by=group_by_first_level)

这里函数接收的是每个完整的索引元组('A',1)、('A',2)、('B',1)，返回元组的第一个元素，最终会按'A'和'B'分成两组。

内容的提问来源于stack exchange，提问作者Dims