《深入拆解 Pandas groupby：从原理到实战的全流程指南》

《深入拆解 Pandas groupby：从原理到实战的全流程指南》

在数据分析的世界里，Pandas 是一把瑞士军刀，而 groupby 则是其中最锋利的一刃。无论是财务报表的汇总、用户行为的统计，还是机器学习中的特征工程，groupby 都是不可或缺的工具。

但你真的理解它的工作原理吗？今天，我们将从“拆分-应用-合并”（Split-Apply-Combine）这一核心思想出发，全面解析 groupby 的机制与实战技巧，帮助你从容应对各种复杂的数据处理任务。

---

一、groupby 背后的哲学：拆分-应用-合并

groupby 的本质是将数据按某种规则分组，然后对每组数据进行操作，最后将结果合并成一个新的结构。这一流程可以抽象为：

1. 拆分（Split）：根据某个键或条件将数据划分为若干组。
2. 应用（Apply）：对每组数据执行某种操作，如聚合、转换或过滤。
3. 合并（Combine）：将每组的处理结果整合为一个新的 DataFrame 或 Series。

这个思想不仅适用于 Pandas，也广泛存在于 SQL、MapReduce 等数据处理框架中。

---

二、基础示例：从一张销售表开始

我们先来看一个简单的销售数据表：

import pandas as pd

data = {
   
   
    '地区': ['北京', '上海', '北京', '广州', '上海', '广州'],
    '销售员': ['张三', '李四', '王五', '赵六', '李四', '赵六'],
    '销售额': [1000, 1500, 800, 1200, 1700, 1100]
}

df = pd.DataFrame(data)
print(df)

输出：

    地区  销售员  销售额
0  北京   张三  1000
1  上海   李四  1500
2  北京   王五   800
3  广州   赵六  1200
4  上海   李四  1700
5  广州   赵六  1100

我们想知道每个销售员的总销售额：

result = df