Python Pandas构建频数分布表 基于groupby分组的实操疑问

你最初考虑的groupby按Balances列分组的思路完全正确，无需拆分多步操作，直接搭配聚合函数即可一次性生成符合要求的统计结果。

第一步：复现示例数据 #

先导入pandas并按照你给出的数值构造原始DataFrame，验证后续计算逻辑：

import pandas as pd

df = pd.DataFrame({
    "Balances": [10, 11, 12, 13, 10, 13],
    "Weight": [7, 15, 30, 20, 15, 20]
})

第二步：分组聚合生成目标表 #

利用agg方法，一次性指定每类统计指标的计算规则，不需要重复执行分组操作：

result = df.groupby("Balances").agg(
    Balances出现频次=("Balances", "count"),
    Weight最小值=("Weight", "min"),
    Weight最大值=("Weight", "max"),
    Weight平均值=("Weight", "mean")
).reset_index()

计算结果说明 #

运行后得到的统计表结构完全匹配你的需求，对应数值如下：

新手易踩的注意点 #

• groupby执行后默认会将分组列设为表索引，搭配.reset_index()可以将Balances还原为普通数据列，避免后续操作出现索引层级混乱
• 分组时填写的列名必须和实际DataFrame的列名完全匹配，注意大小写差异（比如你提到的balances和示例中的Balances不一致时会触发列不存在的报错）
• 如果不需要自定义列名，也可以用简写聚合写法实现相同计算：df.groupby("Balances")["Weight"].agg(["count", "min", "max", "mean"]).reset_index()，得到的数值结果完全一致，仅列名为默认的函数名，可按需后续修改列名。

内容的提问来源于stack exchange，提问作者Croyd