Pandas使用groupby按domains字段分组未得预期结果如何解决

• email1.groupby('domains')执行后返回的是DataFrameGroupBy惰性计算对象，本身不会主动加载、输出分组后的结构化明细，直接打印只会显示对象的内存地址信息，不会返回预期的拆分后数据集。
• 追加.count()属于分组聚合操作，会把每个域名下的所有行压缩成1行，统计各列的非空值数量，结果是聚合统计表，自然和「按domains拆分分组保留明细」的目标不符。

根据需要的输出形式选对应代码即可：

• 遍历查看所有分组的明细内容

# 生成分组对象
GR = email1.groupby('domains')
# 循环遍历每个分组，打印分组名和对应子数据集
for domain, sub_df in GR:
    print(f"=== 分组域名：{domain} ===")
    print(sub_df)

• 把分组结果存为可按键取值的字典，方便后续调用

GR = email1.groupby('domains')
# 转为 {域名值: 对应子DataFrame} 格式的字典
group_result = dict(tuple(GR))

# 后续需要取某个域名的数据直接按key取即可，比如取163.com对应的数据
data_163 = group_result['163.com']

• 快速校验分组效果，查看每个分组的前N行

GR = email1.groupby('domains')
# 查看每个域名分组的前3行数据，无需遍历
print(GR.head(3))

• 如果需要保留原表行数，给每行匹配对应分组的统计值，用transform实现

# 新增列记录每个域名对应的总数据量，不会像count()那样压缩行数
email1['domain_total'] = email1.groupby('domains')['domains'].transform('count')

内容的提问来源于stack exchange，提问作者Luka