如何从CSV读取数据后用pandas的groupby按年份分组DataFrame？

你的代码存在两个关键错误，导致分组操作未达到预期效果：

• 分组键错误：你需要按**年份（year）**分组，但代码中写的是df.groupby('price')，误用了价格列作为分组依据
• 未执行聚合操作：groupby()仅生成一个GroupBy分组容器，不会修改原DataFrame，也不会直接输出有效分组结果，必须配合聚合或遍历操作才能得到有意义的输出

正确实现方式 #

1. 分组+聚合统计（常用场景） #

读取CSV后，按year分组，搭配聚合函数（如mean/sum/count）生成统计结果：

import pandas as pd

# 读取CSV，仅保留price和year列
df = pd.read_csv('data.csv', usecols=['price', 'year'])

# 按年份分组，计算每年的平均价格
yearly_avg_price = df.groupby('year')['price'].mean()
print(yearly_avg_price)

# 同时计算多个统计指标（总价格、数据条数、平均价格）
yearly_stats = df.groupby('year')['price'].agg(['sum', 'count', 'mean'])
print(yearly_stats)

2. 查看分组后的原始数据 #

如果需要查看每个年份对应的原始明细数据，可以遍历GroupBy对象：

import pandas as pd

df = pd.read_csv('data.csv', usecols=['price', 'year'])

# 遍历每个年份的分组数据
for year, group in df.groupby('year'):
    print(f"=== 年份: {year} ===")
    print(group)

内容的提问来源于stack exchange，提问作者user20637309