企业官网建设流程全解析

前言

在数据分析工作中，原始数据往往杂乱分散，我们经常需要按照某一类维度对数据进行划分，再对各组数据进行统计运算，这一整套流程就是分组 + 聚合。Pandas 中 DataFrame 提供了强大的分组聚合 API，熟练掌握groupby、聚合函数、转换、筛选分组数据，是开展探索性数据分析（EDA）的基础技能。

本文基于 Pandas 讲解 DataFrame 分组与聚合常用用法，附带可直接运行代码示例。

一、核心概念理解

1. 分组 groupby：按照指定一列/多列的相同值，把整张 DataFrame 切分成若干个子数据集；
2. 聚合 aggregate：对每个分组内的数据执行汇总计算（求和、均值、计数、最大最小值等）；

执行流程通俗概括：拆分 → 应用函数 → 合并结果
Split（拆分）→ Apply（运算）→ Combine（合并）

二、准备测试数据

先构造示例数据集，后续所有示例统一使用：

importpandasaspd data={"部门":["技术部","运营部","技术部","市场部","运营部","市场部","技术部"],"员工":["张三","李四","王五","赵六","钱七","孙八","周九"],"薪资":[18000,12000,22000,15000,11000,14000,20000],"工龄":[3,2,5,2,1,4,4]}df=pd.DataFrame(data)print(df)

三、基础分组 groupby 使用

3.1 单列分组

df.groupby(分组字段)不会立刻执行计算，返回的是分组对象DataFrameGroupBy，属于惰性计算。

# 按照【部门】分组group_obj=df.groupby("部门")# 查看分组名称print(group_obj.groups.keys())

3.2 多列联合分组

同时依据多个维度分组，传入列表：

# 先按部门分组，再按工龄分组group_multi=df.groupby(["部门","工龄"])

3.3 获取指定分组数据

使用get_group()提取某一分组完整数据：

tech_df=df.groupby("部门").get_group("技术部")print(tech_df)

四、数据聚合操作

4.1 内置简单聚合函数

groupby 对象支持直接调用统计方法：

• sum()求和
• mean()平均值
• count()非空计数
• max()/min()最大、最小值
• std()标准差

# 按部门分组，计算薪资平均值res=df.groupby("部门")["薪资"].mean()print(res)# 多列同时聚合res2=df.groupby("部门")[["薪资","工龄"]].sum()print(res2)

4.2 aggregate() / agg() 多函数聚合

agg()是最灵活的聚合方法，可以一次性使用多个统计函数：

# 对薪资同时计算均值、总和、人数res=df.groupby("部门")["薪资"].agg(["mean","sum","count"])print(res)

不同字段使用不同聚合函数

res=df.groupby("部门").agg(平均薪资=("薪资","mean"),最高薪资=("薪资","max"),平均工龄=("工龄","mean"))print(res)

推荐写法：支持直接自定义结果列名，避免后续重复重命名。

4.3 自定义聚合函数

除内置函数，支持传入自定义函数完成特殊统计：

defrange_salary(x):# 计算薪资极差：最大值-最小值returnx.max()-x.min()res=df.groupby("部门")["薪资"].agg(range_salary)print(res)

五、transform 分组转换（重点难点）

普通聚合会缩减行数（一组返回一行结果）；
transform()保持原始 DataFrame 行数不变，将分组计算结果广播填充到每组所有行。

典型场景：计算每个员工薪资与所在部门平均薪资差值

# 部门平均薪资，广播到每行df["部门平均薪资"]=df.groupby("部门")["薪资"].transform("mean")df["薪资与均值差"]=df["薪资"]-df["部门平均薪资"]print(df)

适用场景：组内归一化、组内差值对比、批量填充组内缺失值。

六、filter 分组筛选

对整个分组进行条件过滤，保留满足条件的全部分组数据。

区别布尔索引：filter 筛选分组，不是筛选单行。

示例：只保留员工人数≥3人的部门全部数据

# x 代表每个分组的子DataFrameres=df.groupby("部门").filter(lambdax:len(x)>=3)print(res)

七、分组结果索引处理

groupby 默认会将分组字段设为行索引，日常分析中经常需要转为普通列：

res=df.groupby("部门")["薪资"].mean().reset_index()print(res)

reset_index()是高频操作，方便后续绘图、导出Excel、SQL风格处理。

八、sort 分组排序控制

关闭分组自动排序

groupby 默认会对分组键排序，数据量大时存在性能损耗，可以关闭：

df.groupby("部门",sort=False)["薪资"].mean()

聚合后排序

res=df.groupby("部门")["薪资"].mean().reset_index()res=res.sort_values("薪资",ascending=False)

九、常见踩坑总结

1. 分组后直接使用 df[“列名”] 减少计算范围
   优先指定需要聚合的列groupby()[["A","B"]]，避免对全列运算，提升性能；
2. 区分 agg / transform / filter
   • agg：一组输出一行（汇总报表）
   • transform：行数不变，组内广播（行级别对比）
   • filter：按分组整体条件过滤数据集
3. 多列分组结果为多层索引，记得适时使用 reset_index()；
4. 缺失值：groupby 默认会剔除分组键为空值的行，如需保留空值分组需要额外处理。

十、综合实战案例

需求：统计各部门信息：平均薪资、总人数、薪资极差，筛选平均薪资大于14000的部门

df_res=df.groupby("部门").agg(员工数量=("员工","count"),平均薪资=("薪资","mean"),薪资极差=("薪资",range_salary)).reset_index()# 筛选df_final=df_res[df_res["平均薪资"]>14000]print(df_final)

结语

DataFrame 分组与聚合是 Pandas 数据分析的核心能力。简单统计使用内置聚合函数；多指标、多字段差异化计算优先使用agg()；需要保留原始行数做组内对比选用transform；需要按分组整体过滤数据使用filter。
掌握这套工具链，绝大多数数据透视、维度汇总、报表统计需求都可以快速实现。