Python实现单分组多聚合类型的数据统计（类SQL分组查询）

输入DataFrame #

目标输出DataFrame #

需求等效于SQL语句：

SELECT category, COUNT(DISTINCT name), SUM(cost), AVG(cost2) GROUP BY category

要求用Python实现，优先单语句完成，且代码需支持扩展到30列的实际场景。

解决方案代码 #

使用Pandas的groupby+agg组合，通过字典配置列的聚合规则，单语句即可完成：

import pandas as pd

# 构造输入数据（实际场景可替换为读取数据源）
df = pd.DataFrame({
    'category': ['Tier1', 'Tier1', 'Tier1'],
    'name': ['Tina', 'Jessy', 'Tina'],
    'cost': [10, 20, 30],
    'cost2': [5, 15, 10]
})

# 核心聚合语句
result = df.groupby('category', as_index=False).agg({
    'name': ('count distinct name', lambda x: x.nunique()),
    'cost': ('sum of cost', 'sum'),
    'cost2': ('avg of cost2', 'mean')
})

扩展性说明 #

这种字典式配置完美适配多列场景：

• 字典的键对应原DataFrame的列名
• 每个值是(输出列别名, 聚合函数)的元组：聚合函数可以是Pandas内置函数名（如sum/mean），也可以是自定义函数（如去重计数用lambda x: x.nunique()）
• 新增聚合需求时，只需在字典中添加对应的键值对即可，无需修改核心逻辑，轻松支持30列的复杂聚合

内容的提问来源于stack exchange，提问作者ayako123456