当您只使用
df.groupby('A')你得到一个
GroupBy对象。此时您尚未对其应用任何功能。在幕后，虽然这个定义可能并不完美，但是您可以将
groupby对象视为：
- （组，Dataframe） 对的迭代器，用于Dataframe，或
- 系列 的 （组，系列） 对的迭代器。
为了显示：
df = Dataframe({'A' : [1, 1, 2, 2], 'B' : [1, 2, 3, 4]})grouped = df.groupby('A')# each `i` is a tuple of (group, Dataframe)# so your output here will be a little messyfor i in grouped: print(i)(1, A B0 1 11 1 2)(2, A B2 2 33 2 4)# this version uses multiple counters# in a single loop. each `group` is a group, each# `df` is its corresponding Dataframefor group, df in grouped: print('group of A:', group, 'n') print(df, 'n')group of A: 1 A B0 1 11 1 2group of A: 2 A B2 2 33 2 4# and if you just wanted to visualize the groups,# your second counter is a "throwaway"for group, _ in grouped: print('group of A:', group, 'n')group of A: 1group of A: 2现在至于
.head。只需查看该方法的文档即可：
本质上等同于
.apply(lambda x: x.head(n))
所以在这里，您实际上是在对groupby对象的每个组应用一个函数。请记住，每个组
.head(5)都 适用
于每个组，因此，由于每个组少于或等于5行，因此可以得到原始的Dataframe。
在上面的示例中考虑这一点。如果使用
.head(1)，则仅获得每个组的第一行：
print(df.groupby('A').head(1)) A B0 1 12 2 3
