如何对Pandas DataFrame进行分组？求方法与学习建议

数据老陈

2026-5-20

Pandas分组思路与函数掌握建议

一、先明确你的分组目标，别上来就硬套函数

新手最容易犯的错就是：手里拿着groupby/stack就往数据上怼，却没想清楚你到底要从分组里得到什么结果。比如是统计每组的均值/总和？把每组的行合并成列表？还是把宽表转成适合分析的长表？不同目标对应完全不同的操作路径。

先补全你的示例数据方便讲解：

import pandas as pd
df = pd.DataFrame({
    'A': [11,11,22,22,33],
    'B': [1,2,3,4,5],
    'C': [10,20,30,40,50]
})

举几个常见场景的对应操作：

要是想按'A'分组后计算B、C列的均值：直接用groupby加聚合函数就行
```
df.groupby('A').mean()
```
要是想把每组的B列值合并成列表：用lambda配合agg就能实现
```
df.groupby('A')['B'].agg(lambda x: list(x))
```

要是想把分组后的聚合结果转成长格式：先分组聚合，再用stack重塑结构

grouped_result = df.groupby('A').sum()
grouped_result.stack().reset_index(name='total_value')

环节不匹配：stack是用来把列索引转成行索引的，得先有一个带多层索引的结果（比如分组聚合后的宽表）再用它，要是直接给原始df套stack再分组，逻辑就乱了。
lambda用错场景：groupby里的lambda是作用在每组的Series/DataFrame上的，比如你想对整组的多列操作，但只传了单列，或者写的逻辑和每组的数据结构不兼容，肯定会报错。

我刚学Pandas的时候，对着groupby的文档看半小时都懵，连“聚合”和“转换”的区别都搞不清。后来专门抽了一周练各种分组场景：分组过滤掉小样本组、分组给每行加组内序号、分组合并文本字段……练完之后，现在看到需求第一反应就是拆三步：

说白了就是见多了，自然能把需求和函数对应上，不用再瞎试。

核心函数抓重点看文档：比如groupby的文档，别从头到尾啃，重点看「聚合」「转换」「过滤」这三个核心板块，每个板块抄2-3个示例自己跑一遍，比看十篇博客管用。
用需求倒推函数，别反过来：比如你想“给每组的某列去重”，直接想groupby之后对列用unique()，也就是df.groupby('A')['B'].unique()，而不是先翻函数列表找哪个能用。
链式调用要拆解，别堆一堆：比如df.groupby('A').filter(lambda x: len(x)>=2).sort_values('B')，拆成三步理解：先分组→过滤掉组内行数少于2的→按B列排序，每一步都明确目的，调试也方便。
记不住就查，但要查匹配的示例：搜“pandas groupby 分组过滤示例”这种精准关键词，找和你需求一致的代码，改改参数就能用，用多了自然就记住函数的用法了。

新手真的别焦虑，Pandas看似函数多，但常用核心函数也就二三十个，分组相关的就是groupby、agg、transform、filter、stack/unstack这些，练熟了大部分场景都能搞定。

内容的提问来源于stack exchange，提问作者Kdog