如何使用Pandas Groupby按自定义区间对DataFrame的c列分组并聚合？

完全可以用groupby高效搞定这个需求，而且代码比字典映射更简洁、可读性更强！核心思路是先用pd.cut()把c列按指定区间分箱，再直接基于分箱结果做分组聚合，这也是pandas处理区间分组的标准做法。

完整实现代码 #

import pandas as pd

# 初始化你的DataFrame
df = pd.DataFrame(columns=['a','b','c','d'], 
                  data=[[2, 1,1, 3], [4, 2,3, 7], [2, 4,7, 9], [3, 2,9, 11], [4, 3,11,15], [5, 5,15,20], [10,3,20,30]])
cuts = [3,11]

# 1. 对c列进行区间分箱，生成分组标签
df['group'] = pd.cut(
    df['c'],
    bins=[-float('inf')] + cuts + [float('inf')],  # 扩展区间确保所有数据被覆盖
    labels=['c < 3', '3 ≤ c < 11', 'c > 11'],      # 自定义分组名称，方便理解
    include_lowest=True  # 确保左边界值（比如c=3）被包含在第二个组里
)

# 2. 按分组列执行聚合操作
agg_result = df.groupby('group', as_index=False).agg(
    a_total=('a', 'sum'),    # a列求和，结果列命名为a_total
    b_max=('b', 'max'),      # b列取最大值，结果列命名为b_max
    d_max=('d', 'max')       # d列取最大值，结果列命名为d_max
)

print(agg_result)

代码细节解释 #

1. 区间分箱pd.cut()：

   • 我们给bins添加了-inf和inf，确保所有c列的数据都能被分到对应的组里，不会出现数据遗漏。
   • labels参数自定义了分组的名称，让最终结果更直观，避免默认的区间字符串（比如(-inf, 3]）。
   • include_lowest=True确保左边界值（比如c=3）被正确包含在3 ≤ c < 11这个组里，符合你的需求定义。

2. 分组聚合groupby().agg()：

   • 这里用了pandas的命名聚合（版本0.25+支持），可以直接指定聚合后的列名和对应的（原列名，聚合函数），代码逻辑非常清晰。
   • as_index=False让分组列不会成为结果的索引，返回一个普通的DataFrame，更符合常规使用习惯。

运行结果 #

执行代码后会输出：

group  a_total  b_max  d_max
0        c < 3        2      1      3
1  3 ≤ c < 11        9      4     11
2       c > 11       19      5     30

完全符合你要求的分组规则和聚合逻辑。

这种方式比字典映射更高效，因为groupby是pandas底层优化过的操作，处理大数据量时性能优势明显，同时代码更简洁易维护。

内容的提问来源于stack exchange，提问作者DDR