在 Python 中，对数据进行分组操作时，pandas 库的 groupby() 是最常用和最强大的工具，你提到的“列名”就是分组的依据。

下面我将详细解释如何使用 groupby，从基础到进阶，并提供清晰的示例。

核心概念

groupby 的核心思想是 “分-组-合” (Split-Apply-Combine)：

1. 分: 根据 by 参数中指定的一个或多个列名，将 DataFrame 划分成多个组。
2. 组: 对每个独立的组应用某种操作（例如计算平均值、求和、计数等）。
3. 合: 将所有组操作的结果重新组合成一个单一的数据结构（通常是新的 DataFrame 或 Series）。

基础用法：按单个列名分组

这是最常见的情况,你只需要将列名作为字符串传递给 groupby()。

示例数据

我们创建一个示例 DataFrame：

import pandas as pd
# 创建一个示例 DataFrame
data = {
    'Department': ['Sales', 'HR', 'Sales', 'IT', 'HR', 'IT', 'Sales'],
    'Employee': ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank', 'Grace'],
    'Salary': [70000, 80000, 72000, 90000, 85000, 95000, 78000],
    'Years_of_Experience': [5, 7, 6, 10, 8, 12, 5]
}
df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)

输出:

原始 DataFrame:
  Department Employee  Salary  Years_of_Experience
0      Sales    Alice   70000                    5
1         HR      Bob   80000                    7
2      Sales  Charlie   72000                    6
3         IT    David   90000                   10
4         HR      Eve   85000                    8
5         IT    Frank   95000                   12
6      Sales    Grace   78000                    5

按部门分组并计算平均薪资

# 按 'Department' 列分组，并计算每个组的 'Salary' 的平均值
avg_salary_by_dept = df.groupby('Department')['Salary'].mean()
print("\n按部门分组的平均薪资:")
print(avg_salary_by_dept)

输出:

按部门分组的平均薪资:
Department
HR     82500.0
IT     92500.0
Sales   73333.333333
Name: Salary, dtype: float64

代码解析:

• df.groupby('Department'): 这一步告诉 pandas 按 Department 列的值（'Sales', 'HR', 'IT'）来创建组。
• ['Salary']: 这是在分组后，选择我们想要操作的列，我们只关心薪资数据。
• .mean(): 这是我们对每个组的 Salary 列要执行的操作——计算平均值。

按多个列名分组

你也可以使用多个列名进行分组,这会创建一个多级索引。

示例：按部门和经验范围分组

我们添加一个表示经验范围的列：

# 添加一个经验范围列
df['Experience_Level'] = pd.cut(df['Years_of_Experience'], 
                                bins=[0, 5, 10, 15], 
                                labels=['Junior', 'Mid', 'Senior'])
print("\n添加经验范围后的 DataFrame:")
print(df)

输出:

添加经验范围后的 DataFrame:
  Department Employee  Salary  Years_of_Experience Experience_Level
0      Sales    Alice   70000                    5           Junior
1         HR      Bob   80000                    7             Mid
2      Sales  Charlie   72000                    6             Mid
3         IT    David   90000                   10            Senior
4         HR      Eve   85000                    8             Mid
5         IT    Frank   95000                   12            Senior
6      Sales    Grace   78000                    5           Junior

按部门和经验级别分组并计算薪资总和

# 按 'Department' 和 'Experience_Level' 分组，并计算薪资总和
total_salary_by_dept_level = df.groupby(['Department', 'Experience_Level'])['Salary'].sum()
print("\n按部门和经验级别分组的薪资总和:")
print(total_salary_by_dept_level)

输出:

按部门和经验级别分组的薪资总和:
Department  Experience_Level
HR          Junior             NaN
            Mid              165000
            Senior             NaN
IT          Junior             NaN
            Mid               NaN
            Senior           185000
Sales       Junior            148000
            Mid               72000
            Senior             NaN
Name: Salary, dtype: float64

代码解析:

• df.groupby(['Department', 'Experience_Level']): 我们传入了一个列表，包含了两个列名，pandas 会先按 Department 分，然后在每个 Department 内部再按 Experience_Level 分。
• 结果是一个带有 MultiIndex (多级索引) 的 Series。

常用的聚合函数

对分组后的数据,你可以应用多种聚合函数：

示例：一次性计算多个统计量

使用 .agg() 方法，你可以对同一列应用多个聚合函数，或者对不同列应用不同的函数。

# 对每个部门，计算薪资的平均值和最大值，以及员工人数
agg_results = df.groupby('Department').agg(
    Avg_Salary=('Salary', 'mean'),
    Max_Salary=('Salary', 'max'),
    Employee_Count=('Employee', 'count')
)
print("\n各部门的聚合统计:")
print(agg_results)

输出:

各部门的聚合统计:
           Avg_Salary  Max_Salary  Employee_Count
Department                                    
HR          82500.0      85000               2
IT          92500.0      95000               2
Sales       73333.333333  78000               3

代码解析:

• .agg(): 允许你进行更复杂的聚合。
• Avg_Salary=('Salary', 'mean'): 这是一个命名元组，意思是，创建一个名为 Avg_Salary 的新列，它的值是通过 Salary 列应用 mean 函数计算得到的。
• 这种方式非常灵活和清晰。

遍历分组对象

如果你想对每个组进行自定义的、复杂的操作，可以遍历 groupby 对象。

# 遍历分组对象
for name, group in df.groupby('Department'):
    print(f"\n--- 组名: {name} ---")
    print("该组的数据:")
    print(group)

输出:

--- 组名: HR ---
该组的数据:
  Department Employee  Salary  Years_of_Experience Experience_Level
1         HR      Bob   80000                    7             Mid
4         HR      Eve   85000                    8             Mid
--- 组名: IT ---
该组的数据:
  Department Employee  Salary  Years_of_Experience Experience_Level
3         IT    David   90000                   10            Senior
5         IT    Frank   95000                   12            Senior
--- 组名: Sales ---
该组的数据:
  Department Employee  Salary  Years_of_Experience Experience_Level
0      Sales    Alice   70000                    5           Junior
2      Sales  Charlie   72000                    6             Mid
6      Sales    Grace   78000                    5           Junior

代码解析:

• groupby() 返回一个迭代器。
• 每次迭代,它会返回一个元组，包含 (组名, 该组的数据)。
• name 是分组的键（如 'HR', 'IT'）。
• group 是一个 DataFrame，包含了属于该组的所有行。

掌握 pandas.DataFrame.groupby() 是进行数据分析的核心技能之一，它能让你高效地探索和理解数据集的结构和特征。