使用pd.groupby()与pd.Grouper()按日期分组时组数异常问题

原因与解决办法 #

核心原因 #

1. GroupBy.groups的打印异常：你看到的#4输出存在明显格式错误，比如索引1（对应2020-01-03的mango记录）被错误归属到2020-09的分组，这是打印时的格式混乱或复制错误，并非分组逻辑问题。实际g.groups包含所有存在数据的分组键，直接打印list(g.groups)即可看到正确结果：

   print(list(g.groups))
   

   输出会和#5聚合结果的索引完全一致：

   [(Timestamp('2020-01-01 00:00:00'), 'mango'), (Timestamp('2020-01-01 00:00:00'), 'orange'), (Timestamp('2020-09-01 00:00:00'), 'banana'), (Timestamp('2020-09-01 00:00:00'), 'mango'), (Timestamp('2020-09-01 00:00:00'), 'orange'), (Timestamp('2020-12-01 00:00:00'), 'banana'), (Timestamp('2020-12-01 00:00:00'), 'orange')]
   

2. groups的显示逻辑：GroupBy.groups仅返回包含至少一条原始数据的分组，不会显示空分组（即某月份没有对应水果的记录时，不会生成该分组）。而聚合操作（如sum()）会正确整理所有存在数据的分组，因此能显示完整的有效组合。

如何生成包含空分组的完整结果 #

如果需要显示所有月份+所有水果的笛卡尔积分组（包括空分组，值填0），可以按以下步骤操作：

import pandas as pd

# 1. 修改Grouper，保留空时间分组
p = pd.Grouper(freq='1MS', key='date', dropna=False)
# 2. 按时间和水果分组并聚合
g = df.groupby([p, 'fruits'])
result = g.sum()
# 3. 生成完整的多索引：所有月份 × 所有水果
full_index = pd.MultiIndex.from_product([
    pd.date_range(start='2020-01-01', end='2020-12-01', freq='1MS'),
    df['fruits'].unique()
], names=['date', 'fruits'])
# 4. 对齐结果，空分组填充0
result_full = result.reindex(full_index, fill_value=0)
print(result_full)

运行后会输出所有可能的(date, fruits)组合，空分组的price值为0。

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