如何基于前序groupby结果实现层级分组？多产品销售选址场景

你遇到的问题核心是跳过了层级筛选的递进步骤——直接按产品+城市分组取最大值，会忽略「先选最高销量国家，再在该国选区域，最后选城市」的业务逻辑。下面我会给出一个可复用的pandas解决方案，支持多产品场景，还能完整保存每一步的筛选结果。

步骤说明 #

我们需要对每个产品独立执行三层递进筛选：

1. 计算该产品在各国的总销量，选出销量最高的国家
2. 在选中的国家范围内，计算各区域总销量，选出销量最高的区域
3. 在选中的区域范围内，计算各城市总销量，选出销量最高的城市

同时，我们会把每一步的结果（比如每个产品对应的Top国家、Top区域）都留存下来，方便后续业务分析。

完整代码实现 #

1. 构造多产品示例数据 #

先模拟一个包含「椅子」和「桌子」两类产品的数据集，贴合你的多产品业务场景：

import pandas as pd

# 构造多产品销售数据
data = {
    'Product': ['Chair']*13 + ['Table']*8,
    'Country': ['USA','USA', 'China','China','China','China','India', 'India','India','India','India','India', 'India'] + ['USA','USA','China','China','India','India','India','India'],
    'Region': ['USA_West','USA_East', 'China_West','China_East','China_South','China_South', 'India_North','India_North', 'India_North','India_West','India_West','India_East','India_South'] + ['USA_West','USA_East','China_West','China_East','India_North','India_North','India_West','India_West'],
    'City': ['A','B', 'C','D','E', 'F', 'G','H','I', 'J','K', 'L', 'M'] + ['A','B','C','D','G','H','J','K'],
    'Sales': [1000,1000, 1200,200,200, 200,500 ,350,350,100,700,50,50] + [800,900,1500,300,400,300,200,600]
}
dff = pd.DataFrame(data)

2. 定义多层级筛选函数 #

写一个自定义函数，输入单个产品的子数据集，输出该产品的三层筛选结果：

def get_top_location(product_df):
    # 第一步：筛选销量最高的国家
    country_sales = product_df.groupby('Country')['Sales'].sum().reset_index()
    top_country = country_sales.nlargest(1, 'Sales').iloc[0]  # 取销量最高的第一个国家（若有并列可调整逻辑）
    top_country_name = top_country['Country']
    top_country_total = top_country['Sales']
    
    # 第二步：在选中国家内筛选销量最高的区域
    country_filtered = product_df[product_df['Country'] == top_country_name]
    region_sales = country_filtered.groupby('Region')['Sales'].sum().reset_index()
    top_region = region_sales.nlargest(1, 'Sales').iloc[0]
    top_region_name = top_region['Region']
    top_region_total = top_region['Sales']
    
    # 第三步：在选中区域内筛选销量最高的城市
    region_filtered = country_filtered[country_filtered['Region'] == top_region_name]
    city_sales = region_filtered.groupby('City')['Sales'].sum().reset_index()  # 若城市有多条销售记录，先求和
    top_city = city_sales.nlargest(1, 'Sales').iloc[0]
    top_city_name = top_city['City']
    top_city_total = top_city['Sales']
    
    # 返回每一步的结果
    return pd.Series({
        'Top_Country': top_country_name,
        'Top_Country_Total_Sales': top_country_total,
        'Top_Region': top_region_name,
        'Top_Region_Total_Sales': top_region_total,
        'Top_City': top_city_name,
        'Top_City_Total_Sales': top_city_total
    })

3. 应用到所有产品 #

通过groupby('Product').apply()对每个产品执行筛选，得到最终结果：

# 按产品分组，执行多层筛选
final_result = dff.groupby('Product').apply(get_top_location).reset_index()
print(final_result)

4. 输出结果示例 #

运行后会得到如下清晰的结果，展示每个产品的三层选址信息：

Product Top_Country  Top_Country_Total_Sales   Top_Region  Top_Region_Total_Sales Top_City  Top_City_Total_Sales
0   Chair        India                     2100  India_North                    1200        G                   500
1   Table        China                     1800  China_West                    1500        C                  1500

关键细节说明 #

• 解决原代码问题：你之前的groupby('Product', 'City').apply(lambda x: x.nlargest(1))是直接按「产品+城市」取最大销量，跳过了国家→区域的层级筛选，所以会错误选中全球销量最高的城市。我们的方案是逐层缩小筛选范围，确保每一步都在上一级的结果内操作。
• 处理并列情况：如果某一层级出现多个并列最高的选项（比如两个国家销量相同），可以把iloc[0]改成筛选所有最大值的逻辑，例如：

  # 保留所有销量最高的国家（示例）
  top_countries = country_sales[country_sales['Sales'] == country_sales['Sales'].max()]
  

• 提取中间结果：如果需要单独使用某一层的结果（比如所有产品的Top国家列表），直接从final_result中提取即可：

  # 提取每个产品的Top国家及对应销量
  top_countries = final_result[['Product', 'Top_Country', 'Top_Country_Total_Sales']]
  

内容的提问来源于stack exchange，提问作者MaximJ