按多列分组

数据分析常常需要根据类别的组合而不是单一类别来划分数据。例如，您可能希望计算的平均销售额不仅按区域划分，还要按每个区域内的产品划分。Pandas 的 groupby() 方法通过允许您同时按多列进行分组，使这变得简单易行。

为什么要按多列分组？

按单列分组可以提供宽泛类别的汇总。按多列分组则可以进行更详细、分层的分析。它有助于回答以下问题：

• 每个月和每个城市的平均降雨量是多少？
• 在每个具体商店*中，每种产品销售了多少单位？
• 在每个学校内*，每个年级的学生取得的最高分数是多少？

这种多级分组相比单级聚合提供了更细致的见解。

语法

要按多列分组，您只需向 groupby() 方法传递一个列名列表，而不是单个字符串。

让我们设置一个示例 DataFrame 来进行说明：

import pandas as pd
import numpy as np

# 示例销售数据
data = {'Region': ['North', 'South', 'North', 'South', 'North', 'South', 'North', 'South'],
        'Product': ['A', 'A', 'B', 'B', 'A', 'A', 'B', 'B'],
        'Sales': [100, 150, 200, 50, 120, 180, 210, 80],
        'Quantity': [10, 15, 20, 5, 12, 18, 21, 8]}
df_sales = pd.DataFrame(data)

print(df_sales)

输出：

  Region Product  Sales  Quantity
0  North       A    100        10
1  South       A    150        15
2  North       B    200        20
3  South       B     50         5
4  North       A    120        12
5  South       A    180        18
6  North       B    210        21
7  South       B     80         8

现在，让我们同时按“Region”和“Product”分组，并计算每个组合的总销售额：

# 按“Region”和“Product”分组
grouped_multi = df_sales.groupby(['Region', 'Product'])

# 计算每个组的总销售额
total_sales_multi = grouped_multi['Sales'].sum()

print(total_sales_multi)

输出：

Region  Product
North   A          220
        B          410
South   A          330
        B          130
Name: Sales, dtype: int64

理解结果：MultiIndex

请注意聚合结果 (total_sales_multi)。索引不再是简单的标签列表。相反，它有两层：“Region”和“Product”。这在 Pandas 中被称为 MultiIndex（或分层索引）。它代表了分组列的独特组合。

df_sales.groupby(['Region', 'Product']) 创建的 GroupBy 对象根据独有的对（'North', 'A'），（'North', 'B'），（'South', 'A'）和（'South', 'B'）来划分原始 DataFrame。然后，对这些划分中每个“Sales”列应用 sum() 聚合。

聚合多列或使用多个函数

就像单列分组一样，您可以在按多列分组时对多列应用聚合，或使用多个聚合函数。

例如，让我们找出每个区域-产品组合的总销售额和平均数量：

# 对不同列应用不同的聚合
agg_results = grouped_multi.agg(
    Total_Sales=('Sales', 'sum'),
    Average_Quantity=('Quantity', 'mean')
)

print(agg_results)

输出：

                Total_Sales  Average_Quantity
Region Product
North  A                220              11.0
       B                410              20.5
South  A                330              16.5
       B                130               6.5

结果是一个 DataFrame，其索引是 MultiIndex（“Region”，“Product”），列则代表指定聚合的结果（“Total_Sales”，“Average_Quantity”）。

您也可以对同一列应用多个聚合函数：

# 对“Sales”列应用多个聚合
sales_stats = grouped_multi['Sales'].agg(['sum', 'mean', 'count'])

print(sales_stats)

输出：

                sum   mean  count
Region Product
North  A        220  110.0      2
       B        410  205.0      2
South  A        330  165.0      2
       B        130   65.0      2

这提供了每个独特（“Region”，“Product”）对的销售额的总和、平均值和计数。

按多列分组是一种有效方法，用于进行详细的类别分析，允许您根据多种因素组合来汇总数据。生成的 MultiIndex 结构能有效表示这些分层分组。