Python中Pandas的groupby操作常见问题与解决方案

帖子回复：

Pandas的groupby确实容易踩坑，分享几个实际开发中常见的问题和解决方案：

1. 分组后索引问题

import pandas as pd

df = pd.DataFrame({
    'category': ['A', 'A', 'B', 'B'],
    'value': [1, 2, 3, 4]
})

# 问题：分组后保留原索引，导致后续合并麻烦
grouped = df.groupby('category').sum()
print(grouped.index)  # 输出: Index(['A', 'B'], dtype='object', name='category')

# 解决方案：reset_index或as_index=False
result1 = df.groupby('category', as_index=False).sum()
result2 = df.groupby('category').sum().reset_index()

2. 多列分组聚合

# 问题：对多列使用不同聚合函数时语法混乱
df = pd.DataFrame({
    'group': ['A', 'A', 'B', 'B'],
    'col1': [1, 2, 3, 4],
    'col2': [5, 6, 7, 8]
})

# 解决方案：使用agg明确指定
result = df.groupby('group').agg({
    'col1': ['sum', 'mean'],
    'col2': 'max'
})
print(result)

3. 分组后筛选数据

# 问题：需要基于分组统计结果筛选行
df = pd.DataFrame({
    'group': ['A', 'A', 'B', 'B', 'B'],
    'value': [1, 5, 2, 8, 3]
})

# 解决方案：使用transform或filter
# 筛选组内平均值>3的组
filtered = df.groupby('group').filter(lambda x: x['value'].mean() > 3)

# 或添加组内排名
df['rank'] = df.groupby('group')['value'].rank(ascending=False)

4. 分组应用自定义函数

# 问题：apply使用不当导致性能低下
def custom_func(group):
    return pd.Series({
        'total': group['value'].sum(),
        'count': len(group),
        'custom': group['value'].iloc[0] * 2
    })

result = df.groupby('group').apply(custom_func)

5. 时间序列分组

# 问题：按时间频率分组
df = pd.DataFrame({
    'date': pd.date_range('2023-01-01', periods=10, freq='D'),
    'value': range(10)
})

# 按周分组
weekly = df.groupby(pd.Grouper(key='date', freq='W')).sum()

关键建议： 理解groupby返回的是DataFrameGroupBy对象，不是直接结果，需要配合聚合函数使用。

一句话总结： 掌握groupby的核心是理解“拆分-应用-合并”模式，明确每个阶段的数据形态。