pandas DataFrame按两列分组无需执行汇总聚合的实现方法

pandas返回的DataFrameGroupBy对象本身就已经完成了按year和state的分组逻辑，不需要强制调用聚合方法就能直接用于后续操作，你可以根据使用场景选择以下处理方式：

• 直接迭代GroupBy对象遍历每个分组
  如果你需要逐个处理每个(year, state)组合的子数据集，直接遍历GroupBy对象即可，每次迭代会返回(分组键, 组内DataFrame)的元组：

  grouped = df.groupby(['Year', 'State'])
  # 遍历所有分组做统计检验、绘图等操作
  for (year, state), group_df in grouped:
      # 此处添加你的分组处理逻辑
      print(f"年份{year}，州{state}的数据集行数：{len(group_df)}")
  

• 拆分成分组字典方便按键查询
  如果你需要随时调取指定(year, state)组合的数据集，可以把GroupBy对象转成字典：

  group_dict = dict(df.groupby(['Year', 'State']))
  # 示例：调取2020年加利福尼亚州的对应数据
  ca_2020_df = group_dict[(2020, 'California')]
  

• 给原数据打分组标记
  如果你不需要拆分子集，只是需要在原数据上区分不同分组，可以用ngroup()方法生成分组ID，相同year和state的行会被分配同一个ID：

  df['group_id'] = df.groupby(['Year', 'State']).ngroup()
  

• 展开为按分组排列的完整DataFrame
  如果你需要得到分组后不聚合的完整DataFrame，只需要调用apply直接返回分组本身即可：

  # pandas 1.3+版本可添加group_keys=False避免额外生成分组索引列
  grouped_df = df.groupby(['Year', 'State'], group_keys=False).apply(lambda x: x)
  

内容的提问来源于stack exchange，提问作者Thomas