groupby是pandas中用于按列分组并进行聚合运算的核心方法。其基本形式为df.groupby(分组依据)[目标列].聚合方法()，例如按“地区”分组后对“销售额”求和：df.groupby('地区')['销售额'].sum()。常见聚合方式包括sum()、mean()、count()、max()、min()等，还可通过agg()同时应用多个函数，如df.groupby('地区')['销售额'].agg(['sum', 'mean', 'max'])。多列分组及多指标聚合可通过字典形式指定，如df.groupby(['地区', '产品类型']).agg({'销售额': ['sum', 'mean'], '销量': 'sum'})。使用时需注意缺失值处理、结果格式还原、排序以及字符串列的准确性检查。掌握groupby能有效应对多种数据汇总需求。
数据聚合在数据分析中非常常见，尤其在处理结构化数据时，Python的Pandas库提供了非常强大的功能来实现这一操作。其中，groupby方法是实现数据聚合的核心工具之一。
什么是groupby？
简单来说，groupby的作用是按照一个或多个列的值进行分组，然后对每个分组应用聚合函数（比如求和、平均值等），从而得到更有意义的数据汇总结果。
举个例子，如果你有一份销售记录表，里面有“地区”、“产品类型”和“销售额”这些字段，你想知道每个地区的总销售额，这时候就可以用到groupby。
立即学习“Python免费学习笔记（深入）”；
df.groupby('地区')['销售额'].sum()这行代码的意思就是：按“地区”分组，然后对“销售额”求和。
groupby的基本用法
使用groupby最常见的形式是：
df.groupby(分组依据)[目标列].聚合方法()
- 分组依据可以是一个列名，也可以是多个列组成的列表。
- 目标列是你想聚合的列。
- 聚合方法可以是
sum()、mean()、count()、max()、min()等。
比如统计每个地区每种产品的平均销售额：
df.groupby(['地区', '产品类型'])['销售额'].mean()
这样就能看到不同地区下不同产品的平均销售表现。
常见的聚合方式有哪些？
除了简单的sum()和mean()，你还可以根据需要选择不同的聚合方法：
-
count()：统计非空值的数量 -
size()：包括空值在内的所有值数量 -
max()/min()：最大值和最小值 -
std()：标准差 -
var()：方差
如果你有多个指标要同时计算，可以用agg()方法传入多个函数：
df.groupby('地区')['销售额'].agg(['sum', 'mean', 'max'])这样就能一次性看到每个地区的总销售额、平均销售额和最高销售额。
多列分组和多指标聚合怎么写？
当你要按多个列分组，并且对多个列做不同的聚合操作时，可以用更复杂的写法：
df.groupby(['地区', '产品类型']).agg({
'销售额': ['sum', 'mean'],
'销量': 'sum'
})这段代码的意思是：
- 按“地区”和“产品类型”分组；
- 对“销售额”分别求和与求平均；
- 对“销量”只求和。
这样的写法灵活性很高，适合实际分析中常见的复杂场景。
小技巧和注意事项
- 如果你的数据中有缺失值，在使用
groupby时默认会忽略它们，但你可以通过参数控制行为； - 使用
reset_index()可以把分组后的结果还原成DataFrame格式，方便后续处理； -
groupby后如果想排序，可以用.sort_values()方法配合使用； - 注意分组列如果是字符串类型，最好先检查是否有拼写不一致的问题，否则容易造成错误分组。
基本上就这些了。掌握好groupby，你就拥有了处理大多数数据聚合问题的能力。虽然语法看起来简单，但灵活组合起来能应对很多实际需求。
