关于Pandas中groupby代码里['id']作用的技术咨询

核心用途 #

['id']就是指定分组后要统计的目标列，后面的count()方法只盯着这一列，数每个tshirts分组里这一列的非空值数量。

之所以选id，大多是因为id是唯一标识（比如用户ID、订单ID），基本不会有空值，用它的count()就能直接得到每个T恤款式对应的总记录数。要是换其他可能有空值的列，count()会自动跳过空值，结果就不是总条数了。

实际示例 #

先造个测试用的DataFrame：

import pandas as pd

data = {
    'tshirts': ['白T', '黑T', '白T', '黑T', '白T', '灰T'],
    'id': [1, 2, 3, 4, 5, 6],
    'size': ['M', 'L', None, 'XL', 'M', 'S']
}
df = pd.DataFrame(data)

运行你的代码 #

df.groupby('tshirts')['id'].count()

输出结果 #

tshirts
黑T    2
灰T    1
白T    3
Name: id, dtype: int64

这个结果直接告诉我们：黑T有2条记录，灰T1条，白T3条，完全对应每个款式的总条数。

对比：不指定['id']的情况 #

如果直接写df.groupby('tshirts').count()，会统计所有列的非空值：

df.groupby('tshirts').count()

输出：

id  size
tshirts          
黑T        2     2
灰T        1     1
白T        3     2  # 白T的size列有一个空值，所以count结果是2，不是总条数3

对比就能看出，['id']帮我们精准锁定了无空值的id列，直接拿到每个分组的总记录数，避免了其他列空值的干扰。

补充说明 #

要是你想统计其他列的非空值，把['id']换成对应列名就行。比如想统计每个T恤款式下有尺码记录的数量，就写df.groupby('tshirts')['size'].count()。

内容的提问来源于stack exchange，提问作者DatBigD