Python案例如何用Pandas做数据分组重采对比

wen python案例 2026-07-14 7

Python案例：如何用Pandas做数据分组重采对比——从基础到实战全攻略

📖 目录导读

什么是数据分组与重采样？核心概念解析
Pandas分组与重采样的基础函数详解
案例实战：销售数据的周度对比分析
常见问题与解决方案（含问答）
性能优化与SEO友好的最佳实践
总结与扩展学习建议

什么是数据分组与重采样？核心概念解析

在数据分析中,数据分组（GroupBy）与时间序列重采样（Resample）是两种高频操作，分组允许你按类别（如地区、产品）聚合数据；重采样则让你将时间序列数据从高频（如每日）转换为低频（如每周、每月），以便进行趋势对比。分组重采对比则是两者的结合：先按类别分组，再对各组内的时间序列进行重采样，最后对比不同组在同一时间窗口下的统计指标（如均值、总和）。

Python案例如何用Pandas做数据分组重采对比

核心关键词：Pandas GroupBy、DatetimeIndex、resample、聚合函数、时间序列对比。

Pandas分组与重采样的基础函数详解

1 关键函数速览

函数	用途	参数示例
`df.groupby('column')`	按列分组	`grouped = df.groupby('region')`
`df.resample('W')`	按周重采样	`df.resample('W').sum()`
`pd.Grouper(key='date', freq='M')`	分组内重采样	`df.groupby([pd.Grouper(key='date', freq='M'), 'product'])`
`agg()`	多聚合函数	`agg(['sum', 'mean', 'std'])`

2 注意事项

时间列必须是DatetimeIndex：需用pd.to_datetime()转换。
NaN处理：重采样后可能产生空值，用fillna()或dropna()处理。

案例实战：销售数据的周度对比分析

1 数据准备

假设你有一份电商销售数据（sales.csv），包含字段：date、region、product、revenue。

import pandas as pd
import numpy as np
# 生成模拟数据
dates = pd.date_range('2024-01-01', '2024-06-30', freq='D')
regions = ['North', 'South', 'East', 'West']
data = {
    'date': np.random.choice(dates, 5000),
    'region': np.random.choice(regions, 5000),
    'product': np.random.choice(['A', 'B', 'C'], 5000),
    'revenue': np.random.uniform(10, 500, 5000).round(2)
}
df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])
df = df.drop_duplicates(subset=['date', 'region', 'product'])  # 去重
print(df.head())

2 核心操作：分组重采对比

目标：对比每个地区（region）在每周的总收入（revenue）走势。

先分组，再对每组重采样

# 设置日期为索引
df_indexed = df.set_index('date')
# 按region分组，并对每组按周重采样求和
weekly_region = df_indexed.groupby('region').resample('W')['revenue'].sum().reset_index()
weekly_region.columns = ['region', 'week', 'weekly_revenue']
print(weekly_region.head(10))

使用pd.Grouper一次性完成

# 更高效：直接在groupby中指定Grouper
weekly_region_v2 = df.groupby(['region', pd.Grouper(key='date', freq='W')])['revenue'].sum().reset_index()
weekly_region_v2.columns = ['region', 'week', 'weekly_revenue']

3 多维度对比：按地区+产品分组

如果你想对比“每个地区每种产品”的周度收入：

weekly_detail = df.groupby(['region', 'product', pd.Grouper(key='date', freq='W')])['revenue'].sum().reset_index()
# 透视表方便可视化对比
pivot = weekly_detail.pivot_table(index='week', columns=['region', 'product'], values='revenue', aggfunc='sum')
print(pivot.head())

4 可视化输出（建议配合图表）

import matplotlib.pyplot as plt
# 以地区为分组，画折线图
for region in regions:
    region_data = weekly_region[weekly_region['region'] == region]
    plt.plot(region_data['week'], region_data['weekly_revenue'], label=region)
plt.legend()'Weekly Revenue by Region')
plt.xlabel('Week')
plt.ylabel('Revenue')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

常见问题与解决方案（含问答）

❓ 问答环节

Q1：为什么我的重采样结果全是NaN？ A：通常是因为索引不是DatetimeIndex，请确保df.set_index('date', inplace=True)，且date列已用pd.to_datetime()转换。

Q2：如何对比不同组的增长率？ A：在重采样后使用.pct_change()：

weekly_region['growth'] = weekly_region.groupby('region')['weekly_revenue'].pct_change()

Q3：分组重采样时，数据量太大内存不足怎么办？ A：使用chunksize分块读取，或尝试resample的kind='period'参数减少内存占用，也可以先用groupby再调用resample，减少中间结果。

Q4：我能否用rolling窗口函数替代resample？ A：可以，但rolling是滚动窗口（滑动平均等），resample是固定时间间隔聚合，如果目的是“每周对比”，resample更准确。

Q5：如何保存重采样后的结果？ A：使用to_csv()或to_excel()，注意设置index=False避免写入多余索引。

性能优化与SEO友好的最佳实践

1 代码性能优化

使用categorical类型：对region、product转为pd.Categorical可加速分组。
```
df['region'] = df['region'].astype('category')
```
避免重复索引：若数据已排好序，resample前用df.sort_index()提升效率。
并行处理：对于超大数据集，考虑pandarallel库或多进程。