Pandas DataFrame唯一值总数统计柱状图：求高效内置方法

我需要按类别统计数值总和（以颜色为类别示例），虽然已经实现了功能，但自定义的combine_like_categories方法效率低下、扩展性差，希望用Python库的内置函数替代。以下是我的原始实现代码：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np


# Sum all values for each unique category.
def combine_like_categories(df):
    col = df['color']
    new_colors = col.unique()
    new_values = np.zeros_like(new_colors)
    new_df = pd.DataFrame(np.array([new_colors, new_values]).T)
    headers=['color', 'value']
    new_df.columns = headers

    for _, row in df.iterrows():
        new_df_index = new_df.loc[new_df['color']==row['color']].index[0]
        new_df.iloc[new_df_index, 1] += row['value']
    return new_df


data = [
    ['red', 3],
    ['blue', 2],
    ['green', 5],
    ['orange', 3],
    ['blue', 1],
    ['red', 7]
]

headers=['color', 'value']
df = pd.DataFrame(data)
df.columns = headers
hist_df = combine_like_categories(df)

plt.figure()
plt.bar(hist_df['color'], hist_df['value'])
plt.title('Counts of Each Color')
plt.xlabel('Color')
plt.ylabel('Counts')
plt.show()

运行代码后生成对应柱状图：

解决方案：使用Pandas内置的groupby+sum #

你完全可以用Pandas原生的分组聚合方法替代自定义函数，这能解决效率和扩展性问题：

修改后的核心代码

只需要一行代码就能替代整个combine_like_categories函数：

hist_df = df.groupby('color')['value'].sum().reset_index()

完整优化后代码

import pandas as pd
import matplotlib.pyplot as plt

data = [
    ['red', 3],
    ['blue', 2],
    ['green', 5],
    ['orange', 3],
    ['blue', 1],
    ['red', 7]
]

headers=['color', 'value']
df = pd.DataFrame(data, columns=headers)

# 用Pandas内置分组聚合替代自定义函数
hist_df = df.groupby('color')['value'].sum().reset_index()

plt.figure()
plt.bar(hist_df['color'], hist_df['value'])
plt.title('各颜色数值总和')
plt.xlabel('颜色')
plt.ylabel('数值总和')
plt.show()

优势说明 #

• 效率大幅提升：groupby是Pandas优化过的向量化操作，避免了iterrows的逐行循环，数据量越大，性能差距越明显
• 扩展性极强：如果需要更换分类列（比如换成其他类别字段）、调整聚合逻辑（比如求均值mean()、计数count()），只需修改groupby参数和聚合方法即可
• 代码更简洁可读：一行代码完成原本自定义函数的全部逻辑，维护成本更低

内容的提问来源于stack exchange，提问作者greenerpastures