pandas.core.groupby.SeriesGroupBy.take

SeriesGroupBy.take(indices, axis=_NoDefault.no_default, **kwargs)

返回每个组中指定*位置*索引的元素。

这意味着我们不是根据对象的 index 属性中的实际值进行索引。我们是根据元素在对象中的实际位置进行索引。

如果某个请求的索引不存在于某个分组中，此方法会引发错误。要获得忽略不存在索引的类似行为，请参阅 SeriesGroupBy.nth() 。

Parameters:

indices类数组

一个整数数组，指示每个组中要取的（元素的）位置。

axis{0 或 ‘index’, 1 或 ‘columns’, None}，默认 0

选择元素的轴。0 表示选择行，1 表示选择列。对于 SeriesGroupBy，此参数未被使用，默认为 0。

自 2.1.0 版本弃用: 对于 axis=1，在底层对象上操作。否则 axis 关键字不是必需的。

**kwargs

为与 numpy.take() 保持兼容。对输出没有影响。

Returns:

Series

一个 Series，包含从每个组中提取的元素。

参见

Series.take

沿着轴从 Series 中提取元素。

Series.loc

按标签选择 DataFrame 的子集。

Series.iloc

按位置选择 DataFrame 的子集。

numpy.take

沿轴从数组中获取元素。

SeriesGroupBy.nth

类似于 take，如果索引不存在则不会引发错误。

Examples

>>> df = pd.DataFrame([('falcon', 'bird', 389.0),
...                    ('parrot', 'bird', 24.0),
...                    ('lion', 'mammal', 80.5),
...                    ('monkey', 'mammal', np.nan),
...                    ('rabbit', 'mammal', 15.0)],
...                   columns=['name', 'class', 'max_speed'],
...                   index=[4, 3, 2, 1, 0])
>>> df
     name   class  max_speed
4  falcon    bird      389.0
3  parrot    bird       24.0
2    lion  mammal       80.5
1  monkey  mammal        NaN
0  rabbit  mammal       15.0
>>> gb = df["name"].groupby([1, 1, 2, 2, 2])

沿默认的轴 0，在每个组中选取位置为 0 和 1 的元素。

>>> gb.take([0, 1])
1  4    falcon
   3    parrot
2  2      lion
   1    monkey
Name: name, dtype: object

我们可以使用负整数来获取正索引的元素，就像 Python 列表一样，从对象的末尾开始。

>>> gb.take([-1, -2])
1  3    parrot
   4    falcon
2  0    rabbit
   1    monkey
Name: name, dtype: object