Pandas有没有更优的DataFrame合并方法？用于统计客户各州年均销量

你这个需求属于典型的行转列聚合场景，直接用pandas.pivot_table就能一步完成，不需要多次拆分分组再拼接，代码更简洁性能也更好。

优化后完整代码 #

import pandas as pd
import psycopg2 as pg

# 优化点1：SQL层面直接过滤数据、只取需要的字段，减少不必要的数据传输和内存占用
engine = pg.connect("dbname='postgres' user='postgres' host='127.0.0.1' port='8800' password='sh'")
# 直接在SQL里筛选2017年数据，只取需要的3个字段，不用拉全表
df = pd.read_sql("select cust, state, quant from sales where year = 2017", con=engine) 

# 优化点2：用pivot_table一步完成分组聚合+行转列
res = pd.pivot_table(
    df,
    index='cust',  # 行索引为客户
    columns='state', # 列索引为州
    values='quant', # 聚合值为销量
    aggfunc='mean', # 聚合方式为求平均
    fill_value=0 # 可选：如果客户在某州没有销量，填充0
).reset_index() # 把cust从索引转为普通列

# 优化点3：批量重命名列，符合你要求的输出格式
res.columns = ['CUST'] + [f'AVG_{col}' for col in res.columns[1:]]

print(res)

原实现方案的问题说明 #

你原来多次拆分数据、分别分组再join的实现方式有几个明显缺陷：

• 代码冗余，要是州的数量多，需要写大量重复逻辑
• 左join逻辑会丢失只在CT、NJ有消费记录的客户数据
• 列名需要手动逐个修改，容易出错

用pivot_table的实现完美规避了以上问题，且性能远高于多次拆分拼接的写法。

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