Python中groupby分组统计核心是“先切块再分别算”，三步：选列分组、选列聚合、明确计算逻辑；常用df.groupby('列名').agg({'数值列': '方法'})，需确保分组列非空、聚合列数值型。
Python中用groupby做数据分组统计，核心就三步：选列分组、选列聚合、写清楚要算什么。别被名字吓住，它本质是“先切块，再分别算”。
基础语法：怎么写最稳妥？
最常用写法是：df.groupby('列名').agg({'数值列': '统计方法'})。注意两点：分组列必须存在且非空，聚合列要是数值型（否则像求均值会报错）。
- 单列分组 + 单指标：用
df.groupby('城市')['销量'].sum() - 多列分组：写成
df.groupby(['城市', '月份'])，结果是多级索引 - 避免直接链式调用
.sum().plot()出错，建议先赋值给变量再操作
常用聚合函数怎么选？
不是所有函数都适合所有场景。比如对销售额用mean可能掩盖高低差异，这时sum或count更直观；对用户ID用nunique才能算真实人数。
-
sum：总量类指标（成交额、发货量） -
count：记录数（订单数），nunique：去重数（客户数） -
mean/median：平均值/中位数，注意异常值影响 - 自定义函数：用
lambda x: x.max() - x.min()算极差
分组后想加新列或还原索引？
groupby默认把分组列变索引，如果后续还要和其他列运算，得用reset_index()拉回来；想在原表新增一列“每组均值”，用transform更高效。
立即学习“Python免费学习笔记（深入）”；
- 还原索引：
df.groupby('品类')['价格'].mean().reset_index(name='均价') - 新增列（保持行数不变）：
df['品类均价'] = df.groupby('品类')['价格'].transform('mean') - 筛选组内条件：用
filter，比如只保留订单数超100的地区：df.groupby('地区').filter(lambda x: len(x) > 100)
容易踩的坑有哪些？
空值、类型混淆、链式赋值这三类问题最常导致结果不对或报错。
- 分组列含
NaN会被自动丢弃，需提前用fillna()处理 - 字符串数字（如'123'）不能直接求和，用
astype(float)转类型 - 别写
df.groupby(...).sum()['销量'] = ...，这是视图赋值，无效 - 聚合后列名丢失？用
agg并传字典，比如{'销量': 'sum', '利润': 'mean'}
