锋哥原创的Pandas2 Python数据处理与分析 视频教程：
2025版 Pandas2 Python数据处理与分析 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili
Pandas 的分组与聚合功能是数据分析的核心工具，允许你根据特定条件分割数据，然后对每个子集应用计算函数。下面我将全面介绍相关知识点和方法：
核心概念
-
分组 (Grouping)：根据一个或多个键（可以是列名、函数、数组等）将数据分割为多个子集
-
聚合 (Aggregation)：对每个分组应用计算函数（如 sum, mean, count）
-
转换 (Transformation)：对每个分组执行操作，返回与原始数据相同形状的结果
-
过滤 (Filtration)：根据分组统计信息筛选数据子集
groupby()分组方法
pandas 的 groupby() 方法是数据处理中的核心功能，用于按指定条件分组数据，再对每个组执行聚合、转换或过滤操作。以下是详细解析：
基础语法：
grouped = df.groupby(by=None, axis=0, level=None, as_index=True, sort=True)-
by: 分组依据（列名、函数、字典、Series等）
-
axis:
0按行分组（默认），1按列分组 -
as_index: 是否将分组列作为结果索引（默认
True） -
sort: 是否对分组键排序（默认
True）
分组依据的常见形式
1， 按单列分组
grouped = df.groupby('Category')2，按多列分组
grouped = df.groupby(['Year', 'Month'])3，按函数分组
# 按姓名长度分组
grouped = df.groupby(lambda x: len(df.loc[x, 'Name']))4，按字典/Series映射分组
mapping = {'A': 'Group1', 'B': 'Group1', 'C': 'Group2'}
grouped = df.groupby(mapping)常用操作类型
1，聚合（Aggregation）：返回每组汇总结果
# 单列聚合
result = grouped['Price'].sum()
# 多列多函数聚合
result = grouped.agg({'Price': ['sum', 'mean'],'Quantity': 'max'
})常用聚合函数：sum(), mean(), max(), min(), count(), std(), var(), describe()
2，转换（Transformation）：返回与原始数据相同大小的结果
# 计算每组的Z-Score
zscore = lambda x: (x - x.mean()) / x.std()
df['Z-Score'] = grouped['Price'].transform(zscore)3，过滤（Filtration）：按条件筛选组
# 保留销售额>1000的组
filtered = grouped.filter(lambda g: g['Sales'].sum() > 1000)示例：
import pandas as pd
data = {'Category': ['A', 'B', 'A', 'C', 'B', 'C'],'Price': [100, 150, 200, 50, 300, 250],'Quantity': [3, 2, 5, 4, 1, 2]
}
df = pd.DataFrame(data)
# 分组并计算平均价格和总销量
result = df.groupby('Category').agg(Avg_Price=('Price', 'mean'),Total_Quantity=('Quantity', 'sum')
)
print(result)
agg()聚合方法
前面已经介绍过。
transform()转换方法
前面已经介绍过。
GroupBy 的 filter() - 基于分组条件筛选
基本语法：
DataFrameGroupBy.filter(func, dropna=True, *args, **kwargs)参数说明：
| 参数 | 说明 |
|---|---|
func | 自定义函数，接收分组对象，返回布尔值表示是否保留该组 |
dropna | 是否删除结果中的 NaN 值（默认为 True） |
使用场景：
-
筛选出满足特定条件的分组（如：组内数据量大于阈值）
-
保留符合统计条件的组（如：组平均值大于某值）
-
基于分组特征进行数据清洗
使用实例：
import pandas as pd
# 创建示例数据
sales_data = {'Region': ['East', 'West', 'East', 'West', 'East', 'West'],'Salesperson': ['Alice', 'Bob', 'Charlie', 'David', 'Eva', 'Frank'],'Sales': [1200, 800, 1500, 900, 1300, 700]
}
df = pd.DataFrame(sales_data)
# 按地区分组
grouped = df.groupby('Region')
# 筛选出总销售额超过 3000 的地区
def total_sales_filter(group):return group['Sales'].sum() > 3000
filtered_df = grouped.filter(total_sales_filter)
常用筛选条件
# 保留组内元素超过2个的分组
df.groupby('Region').filter(lambda x: len(x) > 2)
# 保留平均销售额大于1000的组
df.groupby('Region').filter(lambda x: x['Sales'].mean() > 1000)
# 保留有销售冠军（单人销售额>1400）的组
df.groupby('Region').filter(lambda x: x['Sales'].max() > 1400)复杂条件筛选
# 保留销售额标准差小于200的稳定销售区域
df.groupby('Region').filter(lambda g: g['Sales'].std() < 200)
# 保留所有销售员都超过800销售额的区域
df.groupby('Region').filter(lambda g: (g['Sales'] > 800).all())
