SAS/SQL用户求助：如何用Pandas高效实现多输出分组

直接用Pandas的groupby+agg链式调用就能实现，无需提前创建中间列，完美匹配你的SQL逻辑：

import pandas as pd

# 假设你的数据存储在DataFrame df中
result = (
    # 对应SQL的WHERE region NOT IN ('A')
    df[df['region'] != 'A']
    .groupby(
        [
            'region',
            # 对应SQL里的CASE WHEN分组逻辑，pd.cut比嵌套判断更简洁
            pd.cut(df['age'], bins=[-float('inf'), 5, 10, float('inf')], labels=['Low', 'Middle', 'High'])
        ],
        as_index=False  # 让分组列作为普通列输出，和SQL结果结构一致
    )
    .agg(
        total=('profit', 'size'),  # sum(1)等价于统计行数，size比count更高效
        profit=('profit', 'sum'),
        avg_profit=('profit', lambda x: x.sum() / x.size),
        max_revenue=('revenue', 'max')  # 修正SQL里的"max revenue"为合法列名max_revenue
    )
)

关键细节说明： #

1. 过滤条件：df[df['region'] != 'A']直接对应SQL的WHERE子句，如果你更习惯SQL语法，也可以用df.query("region != 'A'")。
2. 分组逻辑：
   • 用pd.cut替代CASE WHEN，代码更简洁易维护；如果一定要严格匹配CASE WHEN的写法，也可以替换成：

     df['age'].apply(lambda x: 'Low' if x <5 else ('Middle' if 5<=x<=10 else 'High'))
     

     直接放到groupby的列表里即可。
3. 聚合操作：
   • agg方法支持直接映射列名和聚合函数，和SQL的AS子句一一对应；
   • avg_profit通过lambda表达式直接计算，避免额外的中间计算步骤；
   • size()用于统计分组行数，等价于SQL里的sum(1)，比count()更高效（不会排除空值）。

如果你的Pandas版本≥1.3.0，还可以用命名聚合语法，写法和SQL的SELECT列表几乎一致，对SQL用户更友好：

result = (
    df.query("region != 'A'")
    .groupby(
        [
            'region',
            pd.cut(df['age'], bins=[-float('inf'),5,10,float('inf')], labels=['Low','Middle','High'])
        ],
        as_index=False
    )
    .agg(
        total=pd.NamedAgg(column='profit', aggfunc='size'),
        profit=pd.NamedAgg(column='profit', aggfunc='sum'),
        avg_profit=pd.NamedAgg(column='profit', aggfunc=lambda x: x.sum()/x.size),
        max_revenue=pd.NamedAgg(column='revenue', aggfunc='max')
    )
)

整个过程全程链式调用，没有多余的合并或中间列创建，既简洁又高效。

内容的提问来源于stack exchange，提问作者Mobix