咨询pandas中pd.groupby()的应用场景、用法及示例

一、核心应用场景 #

• 分类统计分析：把数据按指定类别拆分，统计每组的基础信息——比如你示例里按电影公司（Studios）分组，统计每家公司有票房数据的电影数量；还能延伸到计算每家公司的总票房、平均评分等。
• 多维度聚合计算：不止单类别分组，还能按多列（比如["Year", "Studios"]）分组，分析不同年份各电影公司的票房表现，挖掘更细粒度的规律。
• 分组数据预处理：针对不同分组做差异化清洗——比如某类电影的票房缺失值用该类的均值填充，另一类用中位数，不用全表统一处理。
• 分组筛选：比如筛选出总票房超过10亿的电影公司，先分组求和再过滤。

二、基础使用方法（结合你的示例） #

先提一句：你示例里有个小笔误——变量名是小写的studios，后面写成了大写的Studios，运行时会报错，修正后再看逻辑：

1. 创建分组对象 #

用df.groupby(分组列名)创建分组容器，这一步只是标记好分组规则，不会立刻计算（惰性求值）：

studios = movies.groupby("Studios")

2. 选择目标列 #

指定要对分组后的哪一列操作，比如只关注票房（Gross）列：

studios["Gross"]

也可以选多列，比如同时看票房和评分：studios[["Gross", "Rating"]]

3. 应用聚合函数 #

给选中的列加聚合函数，完成计算：

• count()：统计每组非缺失值的数量（你的示例就是用这个统计每家公司有票房数据的电影数）
• sum()：计算每组总和，比如studios["Gross"].sum()就是每家公司的总票房
• mean()：求每组平均值，比如每家公司电影的平均票房
• 还能用agg()一次获取多个指标：

  studios["Gross"].agg(["sum", "mean", "count"])
  

4. 查看结果 #

用head()查看前几行结果，避免输出过多数据：

studios["Gross"].count().head()

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