基于Pandas DataFrame按ITEM分组获取对应统计数据的问询

要实现按ITEM分组后获取统计数据，且结果行数与分组数完全一致，直接使用Pandas的groupby结合聚合操作即可，以下是具体实现方案：

基础分组统计示例 #

以计算每个ITEM分组下各统计列的均值、总和为例：

import pandas as pd

data = {'ITEM': ['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'd', 'z', 'z', 'z', 'z'], 
        'Stat.1': [37, 84, 54, 72, 49, 20, 64, 75, 90, 71, 84, 46, 78, 24, 34], 
        'Stat.2': [27, 44, 43, 12, 92, 10, 24, 55, 50, 37, 44, 57, 38, 64, 17], 
        'Stat.3': [17, 54, 64, 68, 39, 50, 34, 65, 40, 72, 44, 56, 48, 94, 37], }
df = pd.DataFrame(data)

# 按ITEM分组，对各统计列执行多维度统计
stats_result = df.groupby('ITEM').agg({
    'Stat.1': ['mean', 'sum'],
    'Stat.2': ['mean', 'sum'],
    'Stat.3': ['mean', 'sum']
}).reset_index()

print(stats_result)

核心要点 #

• groupby('ITEM')会自动按ITEM的唯一值分组，示例中ITEM有5个唯一值（a、b、c、d、z），最终结果将保留5行分组数据
• agg()支持为不同列指定不同的统计函数，可同时完成多种统计计算
• reset_index()将分组键ITEM从索引转为普通列，便于后续的数据处理与查看

自定义统计逻辑实现 #

如果需要个性化统计规则（比如计算分组内最大值与最小值的差值），可传入自定义函数：

def range_calc(x):
    return x.max() - x.min()

custom_stats = df.groupby('ITEM').agg({
    'Stat.1': range_calc,
    'Stat.2': ['max', 'min'],
    'Stat.3': 'median'
}).reset_index()

print(custom_stats)

无论使用哪种统计方式，最终结果的行数都会与ITEM的分组数量完全匹配。

内容的提问来源于stack exchange，提问作者888Seeme