如何通过Pandas groupby.apply()获取第i组对应的DataFrame？

你不需要用apply()来提取单组数据，直接对GroupBy对象操作就可以，下面是两种实用方法：

方法一：将GroupBy对象转为列表，通过索引提取 #

GroupBy对象可以直接转成列表，列表里的每个元素是**(组标签, 对应DataFrame)**的元组，通过索引就能拿到目标组的DataFrame：

import pandas as pd
dat = pd.DataFrame({'name' : ['A', 'C', 'A', 'B', 'C'], 'val' : [1,2,1,2,4]})

# 创建GroupBy对象
grouped = dat.groupby('name')
# 转为列表格式
group_list = list(grouped)

# 取第1组（索引从0开始）的DataFrame
first_group_df = group_list[0][1]
print(first_group_df)

输出结果：

name  val
0    A    1
2    A    1

方法二：用get_group()方法精准提取 #

如果知道目标组的标签名，直接用get_group()最方便；如果只知道组的位置，先获取组标签列表再提取：

# 已知组名时直接提取
group_a_df = grouped.get_group('A')
print(group_a_df)

# 仅知道组位置时，先获取所有组标签
group_labels = list(grouped.groups.keys())
# 取第2组（索引1）的DataFrame
second_group_df = grouped.get_group(group_labels[1])
print(second_group_df)

第二组的输出结果：

name  val
1    C    2
4    C    4

补充说明：你之前用groupby('name').apply(lambda x: x)返回原DataFrame，是因为apply默认会把各组的处理结果拼接回原数据结构，这不是提取单组的正确用法，上面的方法更高效直接。

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