Pandas Groupby多列 - Python

简介

在 Pandas 中，groupby() 方法可以根据一个或多个列对数据进行分组。groupby() 方法返回一个 DataFrameGroupBy 对象，可以对分组之后的数据进行各种操作，如聚合、转换、过滤等。

使用方法

groupby() 方法的基本用法如下：

df.groupby('column_name')

其中，'column_name' 是要分组的列名。如果要根据多个列进行分组，则可以传入一个列名列表：

df.groupby(['column_name1', 'column_name2'])

在分组之后，使用聚合函数（如 sum()、mean()、count() 等）可以对分组数据进行统计分析。例如，下面的代码会计算不同颜色车辆的平均价格、最大里程数和最小年份：

df.groupby('color').agg({'price': 'mean', 'mileage': 'max', 'year': 'min'})

代码示例

下面是一个完整的代码示例，演示了如何根据多个列对数据进行分组，并对分组数据进行聚合：

import pandas as pd

# 创建示例数据
data = {
    'color': ['red', 'red', 'blue', 'blue', 'red', 'green', 'green'],
    'region': ['east', 'west', 'east', 'west', 'north', 'east', 'west'],
    'price': [12, 8, 7, 5, 11, 9, 6],
    'mileage': [21900, 23600, 21500, 22400, 19800, 21900, 21100],
    'year': [2012, 2010, 2011, 2010, 2013, 2014, 2013]
}
df = pd.DataFrame(data)

# 按照颜色和地区分组，并计算平均价格、最大里程和最小年份
result = df.groupby(['color', 'region']).agg({'price': 'mean', 'mileage': 'max', 'year': 'min'})

# 显示结果
print(result)

输出结果为：

             price  mileage  year
color region                     
blue  east     7.0    21500  2011
      west     5.0    22400  2010
green east     9.0    21900  2014
      west     6.0    21100  2013
red   north   11.0    19800  2013
      west    10.0    23600  2010

注意事项

在使用 groupby() 方法时，需要注意以下几点：

• 分组的列不一定需要是唯一的，即同一列中可能存在相同值。
• 聚合函数可以是内置函数（如 sum()、mean()、count() 等），也可以是自定义函数。
• 如果聚合函数返回了多个结果，可以使用多列 DataFrame 来存储结果，也可以使用 apply() 方法来处理返回值。