📊 Python数据分析利器：深入掌握 Pandas 的 groupby 函数

在进行数据分析时，我们经常需要对数据按照某些特征进行分组，然后对每组数据进行统计、聚合或转换。Pandas 中的 groupby 函数正是为此而生，它是数据分析中最常用、最强大的工具之一。

今天，我们就来系统梳理 groupby 的常见用法，从基础到进阶，助你轻松玩转分组分析！

---

1️⃣ 一列分组 + 一列聚合（最基础用法）

假设我们有一个销售数据表，包含「城市」和「销售额」两列：

import pandas as pd

df = pd.DataFrame({
    'city': ['北京', '上海', '北京', '广州', '上海'],
    'sales': [100, 150, 200, 120, 180]
})

我们想按城市汇总总销售额：

result = df.groupby('city')['sales'].sum()
print(result)

输出：

city
北京    300
上海    330
广州    120
Name: sales, dtype: int64

✅ 要点：

• groupby('city') 按城市分组
• ['sales'] 选择要聚合的列
• .sum() 是聚合函数（也可用 mean、max、count 等）

---

2️⃣ 一列分组 + 多列聚合

如果数据包含多列数值，比如「销售额」和「利润」：

df = pd.DataFrame({
    'city': ['北京', '上海', '北京', '广州', '上海'],
    'sales': [100, 150, 200, 120, 180],
    'profit': [20, 30, 40, 25, 35]
})

我们可以对多个列同时聚合：

result = df.groupby('city')[['sales', 'profit']].sum()
print(result)

输出：

      sales  profit
city              
北京     300      60
上海     330      65
广州     120      25

💡 也可以使用 agg() 实现更灵活的聚合（见第4部分）。

---

3️⃣ 多列分组 + 多列聚合

当需要按多个维度分组时（如「城市」+「产品类别」）：

df = pd.DataFrame({
    'city': ['北京', '北京', '上海', '上海', '北京'],
    'category': ['A', 'B', 'A', 'B', 'A'],
    'sales': [100, 150, 200, 120, 180],
    'profit': [20, 30, 40, 25, 35]
})

result = df.groupby(['city', 'category'])[['sales', 'profit']].sum()
print(result)

输出（MultiIndex）：

               sales  profit
city category              
北京 A           280      55
     B           150      30
上海 A           200      40
     B           120      25

📌 使用 reset_index() 可将分组键转为普通列：

result.reset_index(inplace=True)

---

4️⃣ groupby + agg：自定义聚合方式

agg() 允许对不同列应用不同的聚合函数，甚至多个函数！

result = df.groupby('city').agg({
    'sales': 'sum',
    'profit': ['mean', 'max']
})
print(result)

输出：

      sales profit      
        sum   mean max
city                  
北京     330   32.5  35
上海     320   32.5  40

✨ 还可以传入自定义函数或 lambda：

df.groupby('city').agg({
    'sales': lambda x: x.max() - x.min(),
    'profit': 'std'
})

---

5️⃣ groupby + transform：保留原始结构的分组操作

与 agg 不同，transform 返回与原 DataFrame 相同形状的结果，常用于标准化、填充缺失值等场景。

例如：计算每个城市销售额占该城市总销售额的比例：

df['sales_ratio'] = df['sales'] / df.groupby('city')['sales'].transform('sum')
print(df)

输出：

  city category  sales  profit  sales_ratio
0   北京        A    100      20     0.303030
1   北京        B    150      30     0.454545
2   上海        A    200      40     0.625000
3   上海        B    120      25     0.375000
4   北京        A    180      35     0.545455

✅ transform 的关键优势：不改变原始行数，结果可直接作为新列加入原表。

---

🔚 小结

场景	代码示例	特点
单列分组单列聚合	df.groupby('A')['B'].sum()	最基础
单列分组多列聚合	df.groupby('A')[['B','C']].mean()	批量处理
多列分组多列聚合	df.groupby(['A','B'])[['C','D']].sum()	多维分析
自定义聚合	df.groupby('A').agg({'B':'sum', 'C':['mean','max']})	灵活强大
分组变换	df.groupby('A')['B'].transform('mean')	保持原结构

掌握这些 groupby 技巧，你的数据分析效率将大幅提升！赶紧在你的项目中试试吧～

---

📘 小贴士：

• groupby 后默认会丢弃 NaN 分组（可通过 dropna=False 保留）
• 使用 as_index=False 可避免分组列变成索引
• 结合 apply() 可实现更复杂的自定义逻辑

如果你觉得这篇文章有帮助，欢迎点赞、转发，让更多人一起学好 Python 数据分析！🚀