分组操作(1) -- GroupBy对象及常用聚合操作

Pandas 分组聚合实战(1)：常用聚合指标、多列分组与 agg() 多重汇总精讲

小象实战讲义 · Python数据分析实战

在明确了 Split-Apply-Combine 的处理范式之后，最核心的实战环节就是执行分组聚合计算（Group Aggregation）。聚合操作能够将每个分组的多行记录折叠浓缩为单个标量指标（如各品类的总销售额、平均单价、最高最低区间）。Pandas 不仅支持 sum()、mean()、std()、count() 等一键内置聚合，更提供了极其强大的 agg()（或 aggregate()） 接口，支持对不同列分别指定不同的聚合函数，甚至一次性计算多个统计维度。本节我们将系统讲解分组聚合的高阶实战技术。

💡 核心导读

• 单列与多列聚合：df.groupby('dept')['sales'].mean()。
• 多维度联合分组：df.groupby(['region', 'dept'])（自动生成 MultiIndex）。
• agg() 高级多重聚合矩阵：
  • 传入函数列表：agg(['sum', 'mean', 'std'])（一列计算多个指标）；
  • 传入字典映射：agg({'sales': 'sum', 'profit': 'mean'})（不同列应用不同聚合函数）；
  • 重命名聚合列名（使用元组指定新列名）。
• as_index=False 参数：保留原始扁平列，避免分组键被设为行索引。

1. 基础分组聚合与多键联合分组

联合分组可以按多个层级进行精细化交叉统计：

┌─────────────────────────────────────────────────────────────┐
│                 多键联合分组 (地区 x 部门)                  │
├─────────────────┬─────────────────┬─────────────────────────┤
│ 地区 (Key 1)    │ 部门 (Key 2)    │ 销售总额 (sum)          │
├─────────────────┼─────────────────┼─────────────────────────┤
│ 华北            │ 技术部          │ 30000                   │
│ 华北            │ 财务部          │ 15000                   │
│ 华东            │ 市场部          │ 44000                   │
│ 华南            │ 市场部          │ 31000                   │
└─────────────────┴─────────────────┴─────────────────────────┘

import pandas as pd

# 创建销售交易明细表
df_tx = pd.DataFrame({
    "region": ["华北", "华东", "华北", "华南", "华东", "华北"],
    "category": ["数码", "日用", "日用", "数码", "数码", "日用"],
    "revenue": [5000, 1200, 800, 7500, 6200, 950],
    "quantity": [2, 10, 5, 3, 2, 8]
})

print("=== 1. 原始交易流水 ===")
print(df_tx)

# 1. 单键分组聚合：按商品品类统计平均营收与总销量
print("\n=== 2. 按品类单键聚合 ===")
print(df_tx.groupby("category")[["revenue", "quantity"]].sum())

# 2. 多键联合分组：按 (地区 + 品类) 交叉汇总
print("\n=== 3. 按 (地区 + 品类) 联合分组汇总 ===")
cross_summary = df_tx.groupby(["region", "category"]).sum()
print(cross_summary)

2. agg() 多重聚合与列差异化统计实战

通过 agg() 传入字典，可以对 revenue 求和与均值，同时对 quantity 统计最大值和数量。

# 1. 使用列表对同一列同时计算多种统计量
multi_stats = df_tx.groupby("category")["revenue"].agg(["count", "sum", "mean", "std"])
print("=== 4. 同一列计算多重统计量 (agg) ===")
print(multi_stats.round(2))

# 2. 使用字典为不同列定制差异化聚合函数
custom_agg = df_tx.groupby("category").agg({
    "revenue": ["sum", "mean"],
    "quantity": ["sum", "max"]
})
print("\n=== 5. 字典定制差异化聚合 ===")
print(custom_agg)

# 3. 避免分组键变成 Index (as_index=False)
flat_summary = df_tx.groupby("category", as_index=False)["revenue"].sum()
print("\n=== 6. 保持扁平 DataFrame (as_index=False) ===")
print(flat_summary)

📝 动手练一练

1. 概念思考题：在执行 df.groupby(‘dept’).mean() 时，如果 DataFrame 中包含非数值列（如员工姓名），Pandas 会如何处理？

   👉 点击查看参考答案

   参考答案： 在新版 Pandas 中，对于无法计算均值的非数值列（字符串/对象），若不显式指定数值列，会抛出警告或错误。推荐的做法是显式选取数值列：df.groupby('dept')[['salary', 'age']].mean() 或传入 numeric_only=True。

2. 编程练习：给定订单表，请按 'customer_id' 分组，并使用 agg() 计算每个客户的订单总金额（sum）与总订单次数（count）。

   👉 点击查看参考答案

   参考答案：

   import pandas as pd
   df = pd.DataFrame({'customer_id': ['C1', 'C2', 'C1'], 'amount': [100, 200, 150]})
   res = df.groupby('customer_id')['amount'].agg(['sum', 'count'])
   print(res)

本章小结

• 掌握了单字段与多字段联合 GroupBy 的核心语法；
• 深刻掌握了 agg() 结合列表与字典实现多维度复杂报表汇总的方法；
• 掌握了 as_index=False 保持输出为标准扁平表格的工程习惯。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《分组操作(2)：自定义分组变换 transform 与过滤 filter》！

—— 小象教研组