第 4 章 聚合与分组#

这一章要解决什么#

前面三章你都在做「取数」和「洗数」，这一章开始做真正的分析。

业务问题通常长这样：

• 每个城市各卖了多少金额？
• 哪个城市的客单价最高？
• 「城市 + 商品」这个组合卖了多少笔、卖了多少钱？
• 北京卖手机、上海卖电脑，各占多少比例？

这些问题有一个共同点：你需要的不是明细，而是「按某个维度分组的汇总」。

Excel 里你会用「数据透视表」。Pandas 里对应的是 groupby() 和 pivot_table()——功能几乎一样，而且不用鼠标点。

章节导航#

• 第 4.1 节 核心知识点——groupby() 的工作原理、常用聚合函数、agg() 自定义统计、pivot_table() 透视表、crosstab() 交叉表、多级分组，以及 transform() 这个「按组算但保持原长度」的狠角色。
• 第 4.2 节 编程练习——5 道动手题，从「按城市分组」一路做到「二维交叉统计」。
• 第 4.3 节 常见问题——10 个高频疑问，比如「count() 和 size() 差在哪」「agg() 和 transform() 什么时候用哪个」。

预备知识#

• 会布尔索引（df[df["销量"] >= 3]）；
• 知道 df["金额"].sum() 这种单列聚合；
• 知道 groupby 之后结果里「分组键」会变成索引（第 2 章讲过索引）。

本章的核心心法 groupby() 的工作流程就三步：拆 → 算 → 拼。 拆：按分组键把行分成一堆堆；算：每一堆单独做统计；拼：把统计结果拼回一张表。 后面所有的 agg、transform、pivot_table，都是这三步的不同变体。理解了这一点，剩下的就是记参数。