Pandas GroupBy 的 10 个实用技巧

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