分组汇总与透视表

前言

还记得第 1 章那三行 pandas 代码吗？其中有一个 groupby() ，按类别把金额加了起来。不过当时只说了它能做什么，并没有细讲。

这一章，咱们就把它讲透。为什么值得专门花一章来讲呢？因为「每个类别花了多少」「每个月花了多少」「每个月、每个类别各花了多少」，这类问题在数据分析里最常见。而且仔细想想，它们其实都是同一个套路：按某一列分组，每组算一个数，再拼成一张表。

第 4 章里，咱们用 for 循环，把一日三餐挨个算了一遍。学完这一章，这种事一行代码就能做完。

学这一章之前，需要先学完 数据分析课第 5 章 。

目录

这一章会学到：

• 一、分组汇总——groupby() 在做什么
• 二、一次算好几个数——agg() ，按结果排序
• 三、按月汇总——用上日期
• 四、两个方向一起分——pivot_table()
• 五、常见坑
• 六、自己查一次文档——给透视表加上合计
• 七、小结与回看

学完这一章，记账本里任何「每个……花了多少」的问题，你都能用一两行代码算出来。

一、分组汇总

groupby() 到底做了些什么呢？咱们先回到第 1 章的那一行，把它单独拿出来看：

import pandas as pd

ledger = pd.read_csv('ledger_2026.csv')
print(ledger.groupby('category')['cost'].sum())

输出的结果：

category
交通     1713.0
医疗     1181.5
娱乐     3178.0
学习     1659.0
居住    32888.5
购物     4992.5
餐饮    23583.0
Name: cost, dtype: float64

别看只有一行，它其实做了三件事：

1. 分：groupby('category') 按类别，把一千多行分成 7 堆：交通一堆，医疗一堆……
2. 算：['cost'].sum() 从每一堆里各自取出金额，加起来。
3. 合：把 7 个结果拼成一个 Series，类别就成了左边的索引。

你也许注意到了，结果是按类别的名字排的，而不是按金额。这是因为 groupby() 默认会把分组的名字排好序。想按金额排，后面再接一个 sort_values() 就行，第 1 章就是这么做的。

那么，「算」这一步只能求和吗？当然不是，换成别的方法也行。下面这段代码，就换了两种算法：

import pandas as pd

ledger = pd.read_csv('ledger_2026.csv')
print(ledger.groupby('item')['cost'].mean().round(2).head(4))
print(ledger.groupby('category').size())

输出的结果：

item
书       59.81
午饭     26.40
咖啡     22.24
唱歌    105.23
Name: cost, dtype: float64
category
交通    241
医疗      7
娱乐     46
学习     11
居住     36
购物     29
餐饮    984
dtype: int64

上面打印了两个结果，咱们分开来看：

• 前一个是按名称分组，再求平均，算的是每种花销平均一笔多少钱。第 4 章用 for 循环才算出三餐的平均，这里一行就全算出来了。
• 后一个用的是 size() ，它数的是每一组有几行，所以不用取哪一列。结果和第 4 章的 value_counts() 一样，只是按名字排了序。

总结一下就是：groupby() 后面接什么方法，每一组就算什么。sum() 、mean() 、median() 、max() 、count() ……前几章学过的这些，在这里都能用。

不过到现在为止，每次都只算了一个数。要是想同时看好几个数呢？下一节就来解决。