作为 记录在案，可以用 len(dfgroup)得到组的数目。

[ Pandas > = 0.23]简单，快速，流行: ngroups

新版本的 GroupBy API 提供了这个(未记录的)属性，该属性在 GroupBy 对象中存储组的数量。

# setup
df = pd.DataFrame({'A': list('aabbcccd')})
dfg = df.groupby('A')

# call `.ngroups` on the GroupBy object
dfg.ngroups
# 4

注意，这与返回实际组本身的 GroupBy.groups不同。

为什么我应该喜欢这个超过 len？

正如在 布伦巴恩的回答中指出的，您可以使用 len(dfg)来获得组的数量。但你不应该.看看 实施 GroupBy.__len__(len()在内部调用) ，我们看到 __len__调用 GroupBy.groups，它返回一个分组索引的字典:

dfg.groups
{'a': Int64Index([0, 1], dtype='int64'),
'b': Int64Index([2, 3], dtype='int64'),
'c': Int64Index([4, 5, 6], dtype='int64'),
'd': Int64Index([7], dtype='int64')}

根据操作中组的数量，生成字典却发现它的长度是一个浪费的步骤。另一方面，ngroups是一个存储属性，可以是 以恒定的时间访问。

这在 GroupBy对象属性中有记载。然而，len的问题在于，对于一个具有许多组的 GroupBy 对象，这可能需要更长的时间

但是如果我真的想要每组的大小呢？

你走运了。我们有一个函数，叫做 GroupBy.size。但是请注意，size也计算 NaN。如果不希望计算 NaNs，可以使用 GroupBy.count。