You need to enable JavaScript to run this app. Python pandas 如何创建适配groupby的层级列按国家统计汽车销售
优惠活动
大模型
产品
解决方案
定价
更多

Python pandas 如何创建适配groupby的层级列按国家统计汽车销售

实现带国家维度的层级列操作步骤

核心实现逻辑

把现有扁平结构的列替换为pandas多级索引(MultiIndex):列的第一层为国家/属性分组,第二层为原始列名,替换完成后可直接按列层级做groupby聚合,无需额外合并原始数据。

具体可运行代码流程

  1. 构建品牌-国家的反向映射字典
    基于你已经整理好的分国家品牌列表,把每个品牌对应的国家属性配对,同时补充处理非品牌的基础列、未匹配的品牌列,避免后续取映射时报错:
    import pandas as pd
    german=['BMW','Audi','Mercedes','Volkswagen']
    italian=['Fiat','Ferrari']
    
    toclean=pd.DataFrame([['car','4','5',10,20,15,50,20,13,24]],
            columns=['type','wheels','seats','BMW','Audi','Mercedes','Volkswagen','Fiat','Ferrari','SEAT'])
    
    # 初始化映射字典
    brand_country_map = {}
    # 绑定德国品牌映射
    for brand in german:
        brand_country_map[brand] = "德国"
    # 绑定意大利品牌映射
    for brand in italian:
        brand_country_map[brand] = "意大利"
    
    # 逐列补全映射:基础属性列、未匹配的品牌列
    base_attr_cols = ["type", "wheels", "seats"]
    for col in toclean.columns:
        if col in base_attr_cols:
            brand_country_map[col] = "基础属性"
        elif col not in brand_country_map:
            # 无匹配归属的品牌归入其他分组
            brand_country_map[col] = "其他"
    
  2. 生成层级列结构
    逐列读取对应分组标签,组装成多层列的元组格式,替换原有扁平列名:
    # 组装多级列的元组结构(一级标签, 二级原始列名)
    multi_col_tuples = [
        (brand_country_map[col], col)
        for col in toclean.columns
    ]
    # 替换为层级列
    toclean.columns = pd.MultiIndex.from_tuples(multi_col_tuples)
    

执行完列替换后,最终的列层级结构如下:

一级分组基础属性基础属性基础属性德国德国德国德国意大利意大利其他
二级列名typewheelsseatsBMWAudiMercedesVolkswagenFiatFerrariSEAT
  1. 直接按国家维度做groupby统计
    因为列已经是层级结构,聚合时直接指定按列的第0层级(国家分组)计算即可,不需要逐列筛选:
    # 按列的一级层级聚合数值型销售数据,计算各国总销量
    country_sales_total = toclean.groupby(level=0, axis=1).sum(numeric_only=True)
    

操作注意事项

  • 一定要覆盖所有列的映射关系,存在未匹配的列时直接生成MultiIndex会触发KeyError
  • 非数值的基础属性列建议统一归入同一个一级分组,聚合时设置numeric_only=True可以跳过非数值列的计算,避免类型报错
  • 生成层级列后,可直接通过一级标签快速筛选对应分组的数据,例如执行toclean["德国"]就能取出所有德国品牌的销售字段,无需单独列名匹配
  • 原始数据中wheels、seats列是字符串类型,聚合前建议先转成数值类型,避免计算出错

内容的提问来源于stack exchange,提问作者Philippe

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.07 07:27:03