很多人把 groupby 理解成单纯的求和、计数这类操作，比如说算算总收入、数数用户量，然后就没了。实际上它的应用场景要广得多：计算组内特征、数据标准化、构造滚动指标、合并不同维度的统计结果，甚至处理一些复杂的嵌套数据结构。
所以本文将介绍10个实际工作中比较有用的技巧，文章的代码都是可以直接拿来用。
1、一次性应用多个聚合函数
import pandas as pd
df = pd.DataFrame({
"team": ["A", "A", "B", "B"],
"score": [10, 15, 7, 20]
})
result = df.groupby("team").agg({
"score": ["sum", "mean", "max"]
})
print(result)
####
score
sum mean max
team
A 25 12.5 15
B 27 13.5 20
2、聚合后对结果进行命名
result = df.groupby("team").agg(
total_score=("score", "sum"),
avg_score=("score", "mean"),
max_score=("score", "max")
)
print(result)
###
total_score avg_score max_score
team
A 25 12.5 15
B 27 13.5 20
3、transform
df["team_avg"] = df.groupby("team")["score"].transform("mean")
print(df)
每一行现在都带上了所属组的均值，这在特征工程里特别常用。
team score team_avg
0 A 10 12.5
1 A 15 12.5
2 B 7 13.5
3 B 20 13.5
4、组内累积计算
df["cumulative_score"] = (
df.groupby("team")["score"]
.transform(lambda s: s.cumsum())
)
print(df)
累积和会在每个分组内部重新开始计算。
team score team_avg cumulative_score
0 A 10 12.5 10
1 A 15 12.5 25
2 B 7 13.5 7
3 B 20 13.5 27
5、自定义聚合逻辑
defscore_range(s):
returns.max() -s.min()
result=df.groupby("team")["score"].agg(score_range)
print(result)
一些复杂的业务指标基本都可以用这种方式实现。
team
A 5
B 13
Name: score, dtype: int64
6、统计唯一值
df2=pd.DataFrame({
"team": ["A", "A", "B", "B", "B"],
"member": ["x", "y", "x", "x", "z"]
})
unique_counts=df2.groupby("team")["member"].nunique()
unique_sets=df2.groupby("team")["member"].apply(set)
print(unique_counts)
print(unique_sets)
####
team
A 2
B 2
Name: member, dtype: int64
team
A {x, y}
B {x, z}
Name: member, dtype: object
7、按类别分组的正确姿势
df2["team"] = df2["team"].astype("category")
result = df2.groupby("team", observed=False)["member"].count()
print(result)
做报表的时候有些预定义的类别即使没数据也需要显示出来，这时候这个参数就派上用场了。
team
A 2
B 3
Name: member, dtype: int64
8、多层级分组
df3 = pd.DataFrame({
"team": ["A", "A", "B", "B"],
"year": [2023, 2024, 2023, 2024],
"score": [10, 15, 7, 20]
})
result = df3.groupby(["team", "year"])["score"].sum()
print(result)
队列分析或者按时间切片的场景基本就是这个结构。
team year
A 2023 10
2024 15
B 2023 7
2024 20
Name: score, dtype: int64
9、扁平化输出
flat = df3.groupby("team", as_index=False).agg({"score": "sum"})
print(flat)
对接 API 或者导入 BI 工具时，扁平结构往往更方便。
team score
0 A 25
1 B 27
10、结合透视表使用
pivot = pd.pivot_table(
df3,
values="score",
index="team",
columns="year",
aggfunc="sum"
)
print(pivot)
这种交叉统计的表格在做汇总分析时经常用到。
year 2023 2024
team
A 10 15
B 7 20
总结
groupby 的功能远比表面看起来丰富。agg 处理多指标汇总，transform 生成组级特征，MultiIndex 分组配合 pivot_table 可以快速构建复杂的数据视图。熟练掌握这些用法之后，很多数据处理任务的代码量能减少不少。
多指标统计用 agg，命名聚合让代码更清晰，组内特征计算靠 transform，业务逻辑封装成自定义函数，多维度报表用 MultiIndex 和透视表组合。
https://avoid.overfit.cn/post/da6bdf53716948b7bd26eddc31ea94a4
