如何用Pandas groupby.agg统计每个分组的行数并同时计算其他聚合指标？

Question

如何在Pandas中使用`groupby.agg`同时统计每个分组的行数并计算其他聚合指标？ 在数据分析中，我们常常需要对数据按某个字段分组，并同时获取每组的行数（计数）和其他聚合值（如求和、平均值等）。例如，对于一个包含销售记录的数据集，如何按“地区”分组，统计每个地区的订单数量（行数），并同时计算该地区的总销售额和平均售价？通过Pandas的`groupby.agg`方法，可以轻松实现这一需求。但实际操作时，如何正确定义聚合函数以包含行数统计（`size`或`count`），并结合其他指标计算，是许多初学者容易困惑的地方。具体应如何编写代码以确保逻辑清晰且高效运行？

Answer 1

1. 初步理解：什么是 `groupby.agg`？

Pandas 的 `groupby.agg` 方法是数据分析中非常强大的工具。它允许我们按照指定的分组字段对数据进行聚合操作，并可以同时应用多个聚合函数。

例如，当我们需要统计每个地区的订单数量（行数），并计算该地区的总销售额和平均售价时，`groupby.agg` 就显得尤为重要。

为了更好地理解其用法，我们需要先掌握以下概念：

• GroupBy: 按照一个或多个键将数据分组。
• Aggregation: 对分组后的数据应用聚合函数，如求和、计数、平均值等。

代码示例 1: 基本用法

import pandas as pd

# 创建一个示例数据集
data = {
    '地区': ['A', 'B', 'A', 'B', 'C', 'A', 'B', 'C', 'A', 'B'],
    '订单ID': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    '销售额': [100, 200, 150, 300, 250, 180, 220, 350, 120, 280]
}
df = pd.DataFrame(data)

# 使用 groupby 和 agg 进行基本聚合
result = df.groupby('地区').agg({
    '订单ID': 'count',  # 统计每组的行数
    '销售额': ['sum', 'mean']  # 计算总销售额和平均销售额
})
print(result)
    

上述代码展示了如何按“地区”分组，并计算每组的订单数量、总销售额和平均销售额。

2. 深入探讨：如何优化聚合逻辑？

在实际场景中，我们可能需要更复杂的聚合逻辑。例如，除了统计行数外，还可能需要计算其他指标，比如最大值、最小值等。

此外，Pandas 提供了多种方式来定义聚合函数，包括使用内置函数（如 `size`、`count`）和自定义函数。

代码示例 2: 复杂聚合逻辑

# 定义复杂聚合逻辑
result = df.groupby('地区').agg(
    订单数量=('订单ID', 'size'),  # 使用 size 统计行数
    总销售额=('销售额', 'sum'),
    平均销售额=('销售额', 'mean'),
    最大销售额=('销售额', 'max'),
    最小销售额=('销售额', 'min')
).reset_index()

print(result)
    

通过这种方式，我们可以清晰地定义每个聚合指标的名称和计算方法。

3. 实际案例分析：结合业务需求

假设我们有一个更大的销售数据集，包含更多的字段（如客户类型、产品类别等）。我们可以通过多级分组来满足更复杂的业务需求。

例如，按“地区”和“客户类型”双重分组，统计每个组合的订单数量和销售额。

代码示例 3: 多级分组

# 添加新的字段
df['客户类型'] = ['VIP', '普通', 'VIP', '普通', 'VIP', '普通', 'VIP', '普通', 'VIP', '普通']

# 按地区和客户类型双重分组
result = df.groupby(['地区', '客户类型']).agg(
    订单数量=('订单ID', 'size'),
    总销售额=('销售额', 'sum'),
    平均销售额=('销售额', 'mean')
).reset_index()

print(result)
    

多级分组能够帮助我们更细致地分析数据，从而发现潜在的业务规律。

4. 数据可视化：结果展示

为了更直观地展示聚合结果，我们可以使用图表进行可视化。以下是基于上述结果生成的条形图示例。

代码示例 4: 可视化

import matplotlib.pyplot as plt

# 绘制条形图
result.plot(kind='bar', x='地区', y='总销售额', figsize=(10, 6))
plt.title('各地区总销售额')
plt.xlabel('地区')
plt.ylabel('总销售额')
plt.show()
    

5. 流程图：操作步骤总结

以下是实现上述功能的操作流程图：

graph TD;
            A[加载数据] --> B[定义分组字段];
            B --> C[定义聚合逻辑];
            C --> D[执行 groupby.agg];
            D --> E[输出结果];
            E --> F[可选：可视化];