16.1 groupby 创建

概述

分组操作的核心入口是 DataFrame.groupby() 与 Series.groupby()，返回 DataFrameGroupBy / SeriesGroupBy 对象，后续可通过聚合、变换、过滤、应用等方法操作。

---

1.1 DataFrame.groupby()

签名

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

参数详解

参数	类型	默认值	说明
by	mapping、function、label、list of labels	None	用于分组的键。可以是列名、Series、字典、函数或它们的列表
axis	int	0	分组沿哪个轴（0 行，1 列），pandas 2.x 建议使用 axis=0
level	int、level name、或两者的序列	None	当索引为 MultiIndex 时，按指定层级分组
as_index	bool	True	分组键是否作为最终结果的索引；False 时作为列保留
sort	bool	True	是否对分组键排序
group_keys	bool	True	调用 apply() 时是否在结果中添加分组键
observed	bool	False	对 Categorical 分组时，是否仅使用实际出现的类别（True）或所有类别（False）
dropna	bool	True	是否丢弃分组键为 NaN 的组

pandas 2.3 注意

axis=1 按列分组属于弃用行为，官方建议使用 df.T.groupby(...) 替代。

基础示例

import pandas as pd
 
df = pd.DataFrame({
    "部门": ["A", "A", "B", "B", "C"],
    "性别": ["男", "女", "男", "女", "男"],
    "薪资": [8000, 9500, 12000, 11000, 9000],
})
 
# 按单列分组
df.groupby("部门")
 
# 按多列分组
df.groupby(["部门", "性别"])
 
# by 参数传入 Series 或列表
df.groupby(by=df["部门"])
 
# by 参数传入字典：按行映射到组
df.groupby(by={0: "A组", 1: "A组", 2: "B组", 3: "B组", 4: "C组"})
 
# by 参数传入函数：按行索引规则分组
df.groupby(by=lambda idx: "偶" if idx % 2 == 0 else "奇")
 
# as_index=False：分组键保留为列
df.groupby("部门", as_index=False)["薪资"].sum()
 
# sort=False：保持原始分组键出现顺序
df.groupby("部门", sort=False)["薪资"].sum()
 
# dropna=False：保留 NaN 分组
df2 = pd.DataFrame({"键": ["A", None, "B", None], "值": [1, 2, 3, 4]})
df2.groupby("键", dropna=False)["值"].sum()

---

1.2 Series.groupby()

Series 分组与 DataFrame 类似，但结果往往直接是 Series 聚合结果。

s = pd.Series([1, 2, 3, 4, 5], index=["a", "b", "c", "d", "e"])
s.groupby(["x", "y", "x", "y", "x"]).sum()
# 输出：
# x    9
# y    6
# dtype: int64
 
# 与 DataFrame 分组结合
df.groupby("部门")["薪资"].mean()

---

1.3 按列、按列表、按函数、按索引层级分组

分组方式	说明	示例
按列（label）	按 DataFrame 中的列名分组	df.groupby("部门")
按列表（list）	按多个列名或外部列表分组	df.groupby(["部门", "性别"])
按函数（function）	对索引或行内容调用函数后分组	df.groupby(lambda x: x % 2)
按索引层级（level）	对 MultiIndex 指定层级分组	df.groupby(level="年份")

按索引层级分组示例

import numpy as np
 
df_mi = pd.DataFrame(
    np.arange(12).reshape(6, 2),
    index=pd.MultiIndex.from_product(
        [["2023", "2024"], ["Q1", "Q2", "Q3"]],
        names=["年份", "季度"],
    ),
    columns=["销量", "库存"],
)
 
# 按一级索引分组
df_mi.groupby(level="年份").sum()
 
# 按多个索引层级分组
df_mi.groupby(level=["年份", "季度"]).sum()
 
# 同时使用 by 和 level
df_mi.groupby(by="销量", level="年份").sum()

---

1.4 Grouper 对象

pd.Grouper 用于在 groupby() 中提供更精细的分组规格，尤其适用于时间频率分组和跨列/索引混合分组。

常用参数

参数	说明
key	要分组的列名或索引名
level	索引层级
freq	时间分组频率（如 'D'、'M'、'Q'）
closed	时间区间端点闭合方式（'left' / 'right'）
label	聚合标签取区间左/右端点
sort	是否排序
origin	时间对齐起点
offset	时间偏移

示例

# 按时间频率分组：每天 → 每月
ts_df = pd.DataFrame(
    {"值": range(10)},
    index=pd.date_range("2024-01-01", periods=10, freq="D"),
)
ts_df.groupby(pd.Grouper(freq="M")).sum()
 
# key + freq 指定时间列
sales = pd.DataFrame({
    "日期": pd.date_range("2024-01-01", periods=100, freq="D"),
    "金额": np.random.randint(100, 500, 100),
})
sales.groupby(pd.Grouper(key="日期", freq="W"))["金额"].sum()
 
# 同时使用多个 Grouper（按季度 + 地区）
df.groupby([pd.Grouper(key="日期", freq="Q"), "地区"]).sum()

与 resample() 的关系

pd.Grouper(freq=...) 等价于先设置索引为时间列再调用 resample()，但使用 key 时不改变原 DataFrame 索引，更加灵活。

---

相关笔记

• 上一节：分组与聚合 章节总览
• 下一节：分组与聚合-2-迭代与分组
• 延伸：特殊分组