【Pandas】pandas DataFrame agg

Pandas2.2 DataFrame

Function application, GroupBy & window

方法	描述
DataFrame.apply(func[, axis, raw, …])	用于沿 DataFrame 的轴（行或列）应用一个函数
DataFrame.map(func[, na_action])	用于对 DataFrame 的每个元素应用一个函数
DataFrame.applymap(func[, na_action])	用于对 DataFrame 中的每一个元素应用一个函数
DataFrame.pipe(func, *args, **kwargs)	用于实现链式编程风格的方法
DataFrame.agg([func, axis])	用于对 DataFrame 的数据进行聚合操作
DataFrame.aggregate([func, axis])	用于对 DataFrame 进行聚合操作的方法
DataFrame.transform(func[, axis])	用于对 DataFrame 的列或行应用函数
DataFrame.groupby([by, axis, level, …])	用于进行分组操作的核心方法

pandas.DataFrame.groupby()

pandas.DataFrame.groupby() 是 Pandas 中用于进行分组操作的核心方法。它允许你根据一个或多个列的值将数据分成不同的组，然后对每个组应用聚合、转换或过滤等操作。

---

一、方法签名

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, observed=<no_default>, dropna=True)

---

二、参数说明

参数	类型	描述
by	mapping, function, label, or list of labels	分组依据。可以是列名、函数（用于处理索引）、字典映射、Series 或列表（多列分组）。
axis	int or str, default: 0	沿哪个轴分组：0 表示按行分组（默认），1 表示按列分组。
level	int or str, optional	如果轴是 MultiIndex，则按指定层级分组。
as_index	bool, default: True	是否将分组键作为结果的索引（仅在聚合时有效）。
sort	bool, default: True	是否对分组键排序。
group_keys	bool, default: True	在使用 apply() 时是否添加分组键到结果中。
observed	bool, default: False	控制是否只显示观察到的类别（适用于分类变量分组）。
dropna	bool, default: True	是否排除包含 NaN 的分组键。

---

三、返回值

• 返回一个 GroupBy 对象，支持链式调用：
  • .agg()：聚合
  • .transform()：变换
  • .filter()：过滤
  • .apply()：自定义函数

---

四、常用场景及示例

示例1：单列分组 + 聚合（.agg()）

import pandas as pddf = pd.DataFrame({'Category': ['A', 'B', 'A', 'B'],'Sales': [100, 200, 150, 250]
})# 按 Category 分组并求和
result = df.groupby('Category').agg({'Sales': 'sum'})
print(result)

输出：

           Sales
Category       
A            250
B            450

---

示例2：多列分组 + 多种聚合函数

df = pd.DataFrame({'Region': ['North', 'South', 'North', 'South'],'Product': ['X', 'X', 'Y', 'Y'],'Sales': [100, 150, 200, 250],'Units': [10, 15, 20, 25]
})# 按 Region 和 Product 分组，分别对 Sales 和 Units 进行不同聚合
result = df.groupby(['Region', 'Product']).agg(Total_Sales=('Sales', 'sum'),Avg_Units=('Units', 'mean')
)
print(result)

输出：

                   Total_Sales  Avg_Units
Region  Product                         
North   X                  100       10.0Y                  200       20.0
South   X                  150       15.0Y                  250       25.0

---

示例3：使用 .transform() 进行标准化

# 计算每组内的平均值并广播回原 DataFrame
df['Avg_Sales_By_Region'] = df.groupby('Region')['Sales'].transform('mean')
print(df)

输出：

    Region Product  Sales  Units  Avg_Sales_By_Region
0    North       X    100     10              150.0
1    South       X    150     15              200.0
2    North       Y    200     20              150.0
3    South       Y    250     25              200.0

---

示例4：使用 .filter() 筛选特定组

# 只保留总销售额大于 300 的区域
filtered_df = df.groupby('Region').filter(lambda x: x['Sales'].sum() > 300)
print(filtered_df)

输出：

   Region Product  Sales  Units
1  South       X    150     15
3  South       Y    250     25

---

示例5：使用 .apply() 自定义操作

# 对每个组应用自定义函数（如标准化）
def normalize(group):group['Norm_Sales'] = group['Sales'] / group['Sales'].sum()return groupresult = df.groupby('Region').apply(normalize)
print(result)

输出：

   Region Product  Sales  Units  Norm_Sales
0   North       X    100     10    0.333333
2   North       Y    200     20    0.666667
1   South       X    150     15    0.375000
3   South       Y    250     25    0.625000

---

五、注意事项

• 分组键类型：支持字符串、整数、日期、分类变量等。
• 性能优化：对于大型数据集，建议关闭 group_keys 和 sort 提升效率。
• 缺失值处理：默认不包括含 NaN 的分组键，可通过 dropna=False 改变行为。
• as_index：若为 False，则分组键不会成为索引，适合输出表格化结果。

---

六、总结

方法	用途
.agg()	对每个分组执行聚合操作（如 sum、mean）
.transform()	对每个分组执行变换操作，返回与原数据相同长度的结果
.filter()	根据条件筛选符合条件的组
.apply()	对每个分组应用任意函数，灵活性最强

groupby() 是数据分析中最核心的操作之一，结合聚合、变换、过滤等功能，能实现复杂的数据分析任务。