如何从分组后的Pandas DataFrame中获取不含索引的单元格值

哈哈，这个问题我之前也碰到过！当用df.groupby()遍历分组时，直接取group['B']返回的是带索引的Series，确实挺烦的——尤其是索引不连续的时候，iloc完全派不上用场。别担心，有几个简单的办法能直接拿到你想要的纯值（比如one、three这类），完全不用管索引情况：

方法1：用.tolist()直接转成Python列表 #

这是最直观的方式，直接把Series转换成纯值列表，自动丢弃索引：

for name, group in df.groupby('你的分组列名'):
    # 直接获取B列的纯值列表
    b_values = group['B'].tolist()
    print(b_values)

方法2：用.values或.to_numpy()获取numpy数组 #

如果需要numpy数组格式的结果，可以用这两个方法，同样会忽略索引：

for name, group in df.groupby('你的分组列名'):
    # 两种写法都可以，.to_numpy()是pandas推荐的更明确的写法
    b_array = group['B'].values
    # 或者 b_array = group['B'].to_numpy()
    print(b_array)

完整示例演示 #

给你整个流程的代码，方便你测试：

import pandas as pd

# 构造一个索引不连续的测试DataFrame
df = pd.DataFrame({
    '分组列': ['组1', '组1', '组2', '组2', '组3'],
    'B': ['one', 'two', 'three', 'four', 'five']
}, index=[1, 3, 5, 7, 9])

# 原来的遍历方式（带索引）
print("=== 原来的输出（带索引） ===")
for name, group in df.groupby('分组列'):
    print(f"分组：{name}")
    print(group['B'])

# 改进后的遍历方式（纯值）
print("\n=== 改进后的输出（纯值） ===")
for name, group in df.groupby('分组列'):
    print(f"分组：{name}")
    print(group['B'].tolist())  # 这里用tolist()拿到纯值列表

运行后改进部分的输出会是：

=== 改进后的输出（纯值） ===
分组：组1
['one', 'two']
分组：组2
['three', 'four']
分组：组3
['five']

这些方法的核心就是直接提取Series中的值部分，完全不依赖索引的位置或连续性，完美解决你的问题！

内容的提问来源于stack exchange，提问作者Atihska