如何遍历Pandas中按两列分组求和后的groupby对象？

没问题！其实遍历Pandas的GroupBy对象或者聚合后的结果非常简单，我结合你的场景给你几种实用的方案：

先给个示例上下文（方便对应你的代码） #

先明确下常见的分组求和代码，方便后续举例：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Category1': ['A', 'A', 'B', 'B', 'A'],
    'Category2': ['X', 'Y', 'X', 'Y', 'X'],
    'Value': [15, 25, 30, 40, 10]
})

# 按两列分组并对第三列求和，得到带多级索引的Series
groupby_abundance = df.groupby(['Category1', 'Category2'])['Value'].sum()

方法1：遍历聚合后的结果（最常用） #

如果groupby_abundance是你已经求和后的结果（多级索引Series），可以用items()方法遍历每个分组的键和对应求和值：

for (cat1, cat2), sum_val in groupby_abundance.items():
    print(f"分组键：({cat1}, {cat2})，求和结果：{sum_val}")

输出会是：

分组键：(A, X)，求和结果：25
分组键：(A, Y)，求和结果：25
分组键：(B, X)，求和结果：30
分组键：(B, Y)，求和结果：40

这里的键是一个元组，对应你分组的两列的取值组合。

方法2：遍历未聚合的GroupBy对象 #

如果你还保留着未做聚合的GroupBy对象（比如只是groupby_obj = df.groupby(['Category1', 'Category2'])），可以直接遍历每个分组的子DataFrame：

groupby_obj = df.groupby(['Category1', 'Category2'])

for (cat1, cat2), sub_df in groupby_obj:
    print(f"当前分组：({cat1}, {cat2})")
    print("分组对应的原始数据：")
    print(sub_df)
    # 也可以在遍历过程中计算求和
    current_sum = sub_df['Value'].sum()
    print(f"该组求和结果：{current_sum}\n")

方法3：按指定分组键获取结果 #

如果你不需要遍历所有分组，只想获取某个特定分组的结果，可以用get_group()方法：

# 获取Category1='A'且Category2='X'的分组求和结果
target_group = groupby_abundance.get_group(('A', 'X'))
print(target_group)  # 输出：25

根据你的实际需求选对应的方法就好啦～

内容的提问来源于stack exchange，提问作者parth patel