Python数据分组统计怎么写_groupby实战解析【教程】

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。

标签： python 聚合函数