如何在Python中仅打印pandas groupby对象的特定组

准备数据与分组对象 #

首先创建示例DataFrame并生成groupby对象：

import pandas as pd
df = pd.DataFrame({'ID'    : [1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4],
                   'Entry' : [1, 2, 3, 4, 1, 2, 3, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 6]})
grouped_by_unit = df.groupby(by="ID")

问题1：仅打印ID=1的分组 #

pandas的groupby对象支持像字典一样通过键直接获取对应分组，使用get_group()方法即可：

# 打印ID=1的分组
print(grouped_by_unit.get_group(1))

输出结果：

ID  Entry
0   1      1
1   1      2
2   1      3
3   1      4

问题2：同时打印ID=1和ID=4的分组 #

有两种常用方式实现：

方式1：遍历指定ID逐个打印 #

适合需要分开展示每个分组的场景：

target_ids = [1, 4]
for id_val in target_ids:
    print(f"\n=== ID={id_val} 的分组 ===")
    print(grouped_by_unit.get_group(id_val))

输出结果：

=== ID=1 的分组 ===
   ID  Entry
0   1      1
1   1      2
2   1      3
3   1      4

=== ID=4 的分组 ===
    ID  Entry
12   4      1
13   4      2
14   4      3
15   4      4
16   4      5
17   4      6

方式2：筛选后打印合并结果 #

如果需要将多个分组合并为一个DataFrame打印，使用filter()方法：

# 筛选出ID为1和4的分组并打印
filtered_df = grouped_by_unit.filter(lambda x: x['ID'].iloc[0] in [1, 4])
print(filtered_df)

输出结果：

ID  Entry
0    1      1
1    1      2
2    1      3
3    1      4
12   4      1
13   4      2
14   4      3
15   4      4
16   4      5
17   4      6

内容的提问来源于stack exchange，提问作者NN_Developer