groupby 函数是 pandas 库中 DataFrame 和 Series 对象的一个方法，它允许你对这些对象中的数据进行分组和聚合。下面是 groupby 函数的一些常用语法和用法。

对于 DataFrame 对象，groupby 函数的语法如下：

其中，各个参数的含义如下：

在数据分析中，我们经常需要对数据进行分组和聚合。例如，我们可能需要计算每个类别中某个变量的平均值、最大值或最小值；或者我们需要对每个类别中的数据进行汇总、统计等操作。在这些情况下，groupby 函数就能派上用场。

例如，假设我们有一个 DataFrame 对象，其中包含了若干个数值列和一个类别列：

现在，我们想要计算每个类别中 A 列的平均值。我们可以使用 groupby 函数来实现这一点：

当我们运行这段代码时，会看到以下输出：

这表明 groupby 函数已经成功地计算了每个类别中 A 列的平均值。

除了计算平均值之外，我们还可以使用 groupby 函数来执行其他操作。例如，我们可以使用它来计算每个类别中 B 列的最大值：

当我们运行这段代码时，会看到以下输出：

这表明 groupby 函数已经成功地计算了每个类别中 B 列的最大值。

此外，我们还可以使用 groupby 函数来对数据进行汇总和统计。例如，假设我们想要对每个类别中 A 和 B 列的数据进行汇总，我们可以使用以下代码：

当我们运行这段代码时，会看到以下输出：

这表明 groupby 函数已经成功地对每个类别中 A 和 B 列的数据进行了汇总。

如果想要对重复行进行汇聚，并用分号隔开，你可以使用 groupby 函数和 agg 函数来实现这一点。例如，假设我们有一个 DataFrame 对象，其中包含了若干个数值列和一个类别列：

现在，我们想要对 A 列进行分组，并将每组中 C 列的值用分号隔开。我们可以使用 groupby 函数和 agg 函数来实现这一点：

当我们运行这段代码时，会看到以下输出：

这表明 groupby 函数和 agg 函数已经成功地对 A 列进行了分组，并将每组中 C 列的值用分号隔开。

总之，groupby 函数是一个非常强大的工具，它允许你快速地对 DataFrame 或 Series 对象中的数据进行分组和聚合。无论你是需要计算统计量，还是需要对数据进行汇总或统计，都可以使用 groupby 函数来完成。

--------------------------------------------------------------------

先初始化一些数据，方便演示

import pandas as pd

df = pd.DataFrame({             'name': ['香蕉', '菠菜', '糯米', '糙米', '丝瓜', '冬瓜', '柑橘', '苹果', '橄榄油'],             'category': ['水果', '蔬菜', '米面', '米面', '蔬菜', '蔬菜', '水果', '水果', '粮油'],             'price': [3.5, 6, 2.8, 9, 3, 2.5, 3.2, 8, 18],             'count': [2, 1, 3, 6, 4, 8, 5, 3, 2]         })  

按category分组:

grouped = df.groupby('category') print(type(grouped)) print(grouped)

输出结果:

grouped的类型是DataFrameGroupBy，直接尝试输出，打印是内存地址，不太直观，这里写一个函数来展示（可以这么写的原理，后面会介绍）

def view_group(the_pd_group):     for name, group in the_pd_group:         print(f'group name: {name}')         print('-' * 30)         print(group)         print('=' * 30, '\n') view_group(grouped)  

输出结果

group name: 水果 ------------------------------     name  category  price  count 0   香蕉       水果    3.5      2 6   柑橘       水果    3.2      5 7   苹果       水果    8.0      3 ==============================  group name: 米面 ------------------------------     name  category  price  count 2   糯米       米面    2.8      3 3   糙米       米面    9.0      6 ==============================  group name: 粮油 ------------------------------    name    category  price  count 8  橄榄油       粮油   18.0      2 ==============================  group name: 蔬菜 ------------------------------     name  category  price  count 1   菠菜       蔬菜    6.0      1 4   丝瓜       蔬菜    3.0      4 5   冬瓜       蔬菜    2.5      8 ==============================   

接下来看一下源码中的方法定义 DataFrame的groupby:

def groupby(         self,         by=None,         axis: Axis = 0,         level: Level | None = None,         as_index: bool = True,         sort: bool = True,         group_keys: bool = True,         squeeze: bool | lib.NoDefault = no_default,         observed: bool = False,         dropna: bool = True,     ) -> DataFrameGroupBy:     pass  

Series的groupby:

def groupby(         self,         by=None,         axis=0,         level=None,         as_index: bool = True,         sort: bool = True,         group_keys: bool = True,         squeeze: bool | lib.NoDefault = no_default,         observed: bool = False,         dropna: bool = True,     ) -> SeriesGroupBy:     pass  

Series的groupby函数操作与DataFrame类似，这篇文章只以DataFrame作为示例

再来回忆一下基本用法里的写法:

grouped = df.groupby('category')  

这里传入的category就是第1个参数by，表示要按照什么进行分组，根据官方文档介绍，by可以是mapping, function, label, list of labels中的一种，这里是用的label，也就是说，还可以像下面这样写

grouped = df.groupby(['category'])  

2.mapping 这种方式需要按DataFrame的index进行映射，这里把水果和蔬菜划分到大组蔬菜水果，米面和粮油划分到大组米面粮油

category_dict = {'水果': '蔬菜水果', '蔬菜': '蔬菜水果', '米面': '米面粮油', '粮油': '米面粮油'} the_map = {} for i in range(len(df.index)):     the_map[i] = category_dict[df.iloc[i]['category']] grouped = df.groupby(the_map) view_group(grouped)

输出结果如下

group name: 米面粮油 ------------------------------     name  category  price  count 2   糯米       米面    2.8      3 3   糙米       米面    9.0      6 8  橄榄油      粮油   18.0      2 ============================== 

group name: 蔬菜水果 ------------------------------     name  category  price  count 0   香蕉       水果    3.5      2 1   菠菜       蔬菜    6.0      1 4   丝瓜       蔬菜    3.0      4 5   冬瓜       蔬菜    2.5      8 6   柑橘       水果    3.2      5 7   苹果       水果    8.0      3 ==============================   

3.function 这种方式下，自定义函数的入参也是DataFrame的index，输出结果与mapping的例子相同

category_dict = {'水果': '蔬菜水果', '蔬菜': '蔬菜水果', '米面': '米面粮油', '粮油': '米面粮油'}

def to_big_category(the_idx):     return category_dict[df.iloc[the_idx]['category']] grouped = df.groupby(to_big_category) view_group(grouped)  

axis表示以哪个轴作为分组的切分依据 0 - 等价于index, 表示按行切分，默认 1 - 等价于columns，表示按列切分

这里看一下按列切分的示例

def group_columns(column_name: str):     if column_name in ['name', 'category']:         return 'Group 1'     else:         return 'Group 2' # 等价写法 grouped = df.head(3).groupby(group_columns, axis='columns') grouped = df.head(3).groupby(group_columns, axis=1) view_group(grouped)  

输出结果如下:

group name: Group 1 ------------------------------     name  category 0   香蕉       水果 1   菠菜       蔬菜 2   糯米       米面 ============================== 

group name: Group 2 ------------------------------    price  count 0    3.5      2 1    6.0      1 2    2.8      3 ==============================

相当于把表从垂直方向上切开，左半部分为Group 1，右半部分为Group 2

level 当axis是MultiIndex(层级结构)时，按特定的level进行分组，注意这里的level是int类型，从0开始，0表示第1层，以此类推

构造另一组带MultiIndex的测试数据

the_arrays = [['A', 'A', 'A', 'B', 'A', 'A', 'A', 'B', 'A', 'A'],               ['蔬菜水果', '蔬菜水果', '米面粮油', '休闲食品', '米面粮油', '蔬菜水果', '蔬菜水果', '休闲食品', '蔬菜水果', '米面粮油'],               ['水果', '蔬菜', '米面', '糖果', '米面', '蔬菜', '蔬菜', '饼干', '水果', '粮油']] the_index = pd.MultiIndex.from_arrays(arrays=the_arrays, names=['one ', 'two', 'three']) df_2 = pd.DataFrame(data=[3.5, 6, 2.8, 4, 9, 3, 2.5, 3.2, 8, 18], index=the_index, columns=['price']) print(df_2)  

输出结果如下:

                     price one  two  three        A    蔬菜水果 水果       3.5              蔬菜       6.0      米面粮油 米面       2.8 B    休闲食品 糖果       4.0 A    米面粮油 米面       9.0      蔬菜水果 蔬菜       3.0              蔬菜       2.5 B    休闲食品 饼干       3.2 A    蔬菜水果 水果       8.0      米面粮油 粮油      18.01. 按第3层分组

grouped = df_2.groupby(level=2) view_group(grouped)  

输出结果如下:

group name: 水果 ------------------------------                       price one  two    three        A    蔬菜水果 水果       3.5              水果       8.0 ============================== 

group name: 米面 ------------------------------                      price one  two    three        A    米面粮油 米面       2.8              米面       9.0 ============================== 

group name: 粮油 ------------------------------                       price one  two    three        A    米面粮油 粮油      18.0 ============================== 

group name: 糖果 ------------------------------                       price one  two    three        B    休闲食品 糖果       4.0 ============================== 

group name: 蔬菜 ------------------------------                      price one  two    three        A    蔬菜水果 蔬菜       6.0              蔬菜       3.0              蔬菜       2.5 ============================== 

group name: 饼干 ------------------------------                       price one  two    three        B    休闲食品 饼干       3.2 ==============================  

共6个分组

2. 按第1, 2层分组

grouped = df_2.groupby(level=[0, 1]) view_group(grouped)  

输出结果如下:

group name: ('A', '米面粮油') ------------------------------                       price one  two    three        A    米面粮油 米面       2.8              米面       9.0              粮油      18.0 ============================== 

group name: ('A', '蔬菜水果') ------------------------------                       price one  two    three        A    蔬菜水果 水果       3.5              蔬菜       6.0              蔬菜       3.0              蔬菜       2.5              水果       8.0 ============================== 

group name: ('B', '休闲食品') ------------------------------                       price one  two    three        B    休闲食品 糖果       4.0              饼干       3.2 ==============================   

共3个分组，可以看到，分组名称变成了元组

bool类型，默认值为True。对于聚合输出，返回对象以分组名作为索引

grouped = self.df.groupby('category', as_index=True) print(grouped.sum())  

as_index为 True 的输出结果如下:

            price  count category               水果         14.7     10 米面         11.8      9 粮油         18.0      2 蔬菜         11.5     13

grouped = self.df.groupby('category', as_index=False) print(grouped.sum())

as_index为 False 的输出结果如下，与SQL的groupby输出风格相似

    category  price  count 0       水果   14.7     10 1       米面   11.8      9 2       粮油   18.0      2 3       蔬菜   11.5     13  

sort bool类型，默认为True。是否对分组名进行排序，关闭自动排序可以提高性能。注意：对分组名排序并不影响分组内的顺序

group_keys bool类型，默认为True 如果为True，调用apply时，将分组的keys添加到索引中

squeeze 1.1.0版本已废弃，不解释

observed bool类型，默认值为False 仅适用于任何 groupers 是分类(Categoricals)的 如果为 True，仅显示分类分组的观察值； 如果为 False ，显示分类分组的所有值

dropna bool类型，默认值为True，1.1.0版本新增参数 如果为 True，且分组的keys中包含NA值，则 NA 值连同行(axis=0)/列(axis=1)将被删除 如果为 False，NA值也被视为分组的keys，不做处理

返回值 DateFrame的gropuby函数，返回类型是DataFrameGroupBy，而Series的groupby函数，返回类型是SeriesGroupBy