Pandas按单列分组后仅显示DataFrameGroupBy对象，无法查看结果求助

嘿，这是刚用Pandas分组功能时很容易踩的小坑！你执行df.groupby(['Name'])后得到的op其实是一个DataFrameGroupBy对象——它并不是直接存储分组后的结果，而是保存了分组规则和原数据的引用，所以直接打印它只会显示内存地址，不会展示你想要的分组内容。

要看到实际的分组数据，你可以用下面这些方法：

1. 查看所有分组的索引映射 #

用.groups属性可以得到一个字典，键是分组的名称（也就是Name列的唯一值），值是对应行的索引列表：

print(op.groups)

输出会类似这样：

{'John': [1], 'Mark': [3], 'Tam': [0], 'Tim': [4], 'Tom': [2]}

2. 查看单个分组的具体数据 #

如果你想查看某个特定分组的所有行，用.get_group()方法传入分组名称即可：

# 查看Name为'Tom'的分组
print(op.get_group('Tom'))

输出：

Name Surname
2   Tom    James

3. 遍历所有分组并打印 #

用for循环可以逐个遍历每个分组，同时获取分组名称和对应的数据：

for group_name, group_data in op:
    print(f"=== 分组: {group_name} ===")
    print(group_data)
    print("\n")

这样就能完整看到每个分组的内容了。

4. 执行聚合操作（GroupBy的核心用途） #

其实GroupBy的真正价值在于对分组后的数据做聚合计算，比如统计每个分组的行数、求和、求均值等：

# 统计每个Name对应的行数
print(op.size())

# 对Surname列计数（和size效果类似）
print(op['Surname'].count())

输出op.size()会是：

Name
John    1
Mark    1
Tam     1
Tim     1
Tom     1
dtype: int64

为什么直接打印GroupBy对象看不到结果？ #

Pandas的GroupBy采用延迟计算的设计——它不会在创建对象时就立刻执行分组，而是等到你调用聚合、转换等方法时才会实际计算，这样能避免不必要的内存开销，提升处理大数据时的效率。

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