有没有一种简洁的方法来删除GroupBy对象的每个组中的行？

Question

请考虑以下与Pandas' Group By Tutorial非常相似的数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({'Week' : [1, 2, 1, 2,
                                 1, 2, 1, 1],
                           'BloodType' : ['A+', 'AB', 'AB', 'B',
                                  'B', 'B+', 'AB', 'AB'],
                           'C' : np.random.randn(8),
                           'D' : np.random.randn(8)})

这将产生一个DataFrame，如下所示：

我想按"Week"分组，然后仅对列C和D进行一些操作。所以我尝试了：

week_group = df.groupby('Week')
week_group.apply(lambda x: x.drop(["BloodType", "Week"], 1))

最初，我解释为DataFrame和"BloodType"列中的每"Week"滴，然后将结果分组给我。但是，它给了我

但是，我希望它能给我一个Group，其中每个索引都是一个DataFrame，只有列C和D。我没想到有DataFrame。

我尝试用apply和transform淘汰agg，这给出了：

ValueError: transform must return a scalar value for each group

和：

ValueError: cannot copy sequence with size 2 to array axis with dimension 5

分别。是否有一个相对简单的转换，可以按名称DataFrame中的每个Group删除行，并返回生成的Group对象（或就地执行操作）？

Answer 1

基于CJ59的回答，我想到了这个简洁的解决方案：

week_group = week_group[df.columns.difference(["Week", "BloodType"])]

Answer 2

您可能正在搜索

for name, group in df.groupby('Week'):
    print(name, group.drop(columns=['Week', 'BloodType']))

1           C         D
0  0.496714 -0.469474
2  0.647689 -0.463418
4 -0.234153  0.241962
6  1.579213 -1.724918
7  0.767435 -0.562288
2           C        D
1 -0.138264  0.54256
3  1.523030 -0.46573
5 -0.234137 -1.91328