关于Pandas GroupBy单列分组后agg()多字段计数的运行原理问询

咱们一步步拆解你写的代码，看看它为什么能正常工作：

首先先回顾下你的代码和数据：

import pandas as pd
import numpy as np

# 创建原始DataFrame
dft2 = pd.DataFrame( 
    np.array([ ['1','A','WW'], ['1','B','XX'], ['3','A','LL'], ['1','D','ZZ'],['2','A','LL'],['3','E','LL'] ]), 
    columns=['channel','state', 'rbc_security_type1'] 
)

# 聚合操作
d = { ('state',np.size), ('rbc_security_type1',np.size) }
dft2_Grp = dft2.groupby('channel')['state'].agg(d).reset_index()

1. 第一步：groupby('channel')——把数据按渠道分组 #

这一步是核心的分组操作：它会遍历你的dft2，把channel列值相同的行归为一组。比如：

• channel=1的组包含行0、1、3（共3行）
• channel=2的组只包含行4（共1行）
• channel=3的组包含行2、5（共2行）

每个分组都是一个小型的DataFrame，包含该channel对应的所有列数据。

2. 聚合规则：d = { ('state',np.size), ('rbc_security_type1',np.size) } #

这里你用了一个集合（注意是大括号包裹元组，没有键值对，所以不是字典），里面的每个元组都是「要计算的列名 + 要用到的聚合函数」的组合：

• ('state', np.size)：对每个分组的state列统计元素总数
• ('rbc_security_type1', np.size)：对每个分组的rbc_security_type1列统计元素总数

Pandas的agg方法很灵活，它能接受多种格式的聚合指令，这种由（列名，函数）组成的可迭代对象（集合、列表都可以）完全符合它的要求，所以能被正确识别为聚合规则。

3. 执行聚合：.agg(d)——按规则计算每组的统计值 #

你可能会好奇：明明写了groupby('channel')['state']，只选中了state列，为什么还能计算rbc_security_type1列的统计值？

这是Pandas的一个实用特性：当agg接收的是这种（列名，函数）的元组序列时，它会直接忽略之前选中的列，转而针对每个元组里指定的列名，从分组后的完整子DataFrame中提取对应列并应用聚合函数。所以哪怕你之前写了['state']，也不妨碍它处理rbc_security_type1列。

另外，np.size在这里的作用就是统计元素个数——因为你的数据里没有缺失值，它的效果和len()、pd.Series.count()是一样的，最终会得到每个channel对应的两列的计数结果。

4. 最后一步：.reset_index()——让结果更规整 #

默认情况下，groupby的结果会把分组键（也就是channel）作为行索引，reset_index()会把它变回普通的列，让最终的dft2_Grp结构更像我们平时用的常规DataFrame。

举个例子，最终的dft2_Grp会是这样的：

内容的提问来源于stack exchange，提问作者Peter Lucas