You need to enable JavaScript to run this app. 如何使用Python(优选pandas)实现指定SQL逻辑的DataFrame分组聚合?
优惠活动
大模型
产品
解决方案
定价
更多

如何使用Python(优选pandas)实现指定SQL逻辑的DataFrame分组聚合?

Pandas 对应SQL分组聚合实现逻辑

前置必要步骤

  • 需先将输入DataFrame的txn_date字段转换为Pandas可识别的日期格式,否则无法提取交易年份做条件判断,转换代码:df['txn_date'] = pd.to_datetime(df['txn_date'])
  • 输入DataFrame自带的sub region字段不参与本次分组、聚合计算,最终输出结果不会包含该字段。

核心可运行代码

通用基础版本

该版本完全对齐SQL的case when判断逻辑,适配所有规模的DataFrame:

import pandas as pd

# 按geo、region分组聚合,as_index=False保证分组字段保留为普通列,不变成索引
result_df = (
    df.groupby(['geo', 'region'], as_index=False)
      .agg(
          ytd_rev=('revenue', lambda grp: df.loc[grp.index][df.loc[grp.index, 'txn_date'].dt.year >= 2020]['revenue'].sum()),
          py_ytd_rev=('revenue', lambda grp: df.loc[grp.index][df.loc[grp.index, 'txn_date'].dt.year == 2019]['revenue'].sum()),
          total_profit=('profit', 'sum')
      )
)

大表优化版本

针对百万行以上规模的大体积DataFrame,提前提取交易年份字段,减少逐组计算的开销,性能更高:

# 提前提取交易年份作为临时计算列
df['txn_year'] = df['txn_date'].dt.year

result_df = (
    df.groupby(['geo', 'region'], as_index=False)
      .agg(
          ytd_rev=('revenue', lambda grp: grp[df.loc[grp.index, 'txn_year'] >= 2020].sum()),
          py_ytd_rev=('revenue', lambda grp: grp[df.loc[grp.index, 'txn_year'] == 2019].sum()),
          total_profit=('profit', 'sum')
      )
)

# 删除计算过程产生的临时字段,不修改原始输入DataFrame的结构
df.drop(columns=['txn_year'], inplace=True)

逻辑对齐说明

  • 聚合计算和SQL逻辑完全等价:仅对满足年份条件的revenue值求和,不满足条件的记录不计入累加,效果和SQL中case when...else 0的计算结果完全一致,无数值偏差
  • 分组逻辑和SQL的group by 1,2完全一致,仅按geo、region两个维度聚合
  • 最终输出的DataFrame字段完全匹配要求:geo、region、ytd_rev、py_ytd_rev、total_profit

内容的提问来源于stack exchange,提问作者Aadil Rafeeque

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:2026.11.08 16:27:04