章节定位
分组与聚合（groupby）是 pandas 最强大、最常用的数据操作模式之一，通常遵循 拆分 → 应用 → 合并（Split-Apply-Combine） 范式。
章节地图
| 子章节 | 核心内容 | 笔记链接 |
|---|---|---|
| 1. groupby 创建 | groupby() 参数、按列/列表/函数/层级分组、Grouper 对象 | 分组与聚合-1-groupby创建 |
| 2. 迭代与分组 | 迭代组、groups、indices、get_group()、size()、ngroups | 分组与聚合-2-迭代与分组 |
| 3. 聚合 | agg/aggregate、内置/命名/自定义/多列聚合 | 分组与聚合-3-聚合 |
| 4. 变换 | transform()、与聚合区别、填充缺失、标准化 | 分组与聚合-4-变换 |
| 5. 过滤 | filter() | 分组与聚合-5-过滤 |
| 6. 应用 | apply()、pipe() | 分组与聚合-6-应用 |
| 7. 累积与排名 | cumsum/cumprod 等、cumcount()、rank()、shift()、diff() | 分组与聚合-7-累积与排名 |
| 8. 分组后操作 | head/tail/sample、describe、分组内 resample/rolling | 分组与聚合-8-分组后操作 |
| 9. 特殊分组 | 时间重采样、分类 observed、缺失值 dropna、多索引结果 | 分组与聚合-9-特殊分组 |
核心思想：Split-Apply-Combine
三阶段流程
- Split（拆分）：根据
by将 DataFrame 拆分为多个组；- Apply（应用）：对每组应用聚合（
agg）、变换（transform）、过滤（filter）或通用函数（apply）；- Combine（合并）：将各组结果合并为最终输出。
import pandas as pd
df = pd.DataFrame({
"部门": ["A", "A", "B", "B", "C"],
"员工": ["张三", "李四", "王五", "赵六", "孙七"],
"薪资": [8000, 9500, 12000, 11000, 9000],
})
df.groupby("部门")["薪资"].sum()必备速查
df.groupby(by=...)：创建分组对象；df.groupby(...).agg(funcs)：聚合；df.groupby(...).transform(func)：按组广播变换；df.groupby(...).filter(cond)：按组过滤；df.groupby(...).apply(func)：通用组级操作。