Python案例如何用Pandas做数据分组重索引

wen python案例 2026-07-14 2

Python案例：如何用Pandas做数据分组与重索引——从入门到实战优化

目录导读

什么是数据分组与重索引？为什么重要？
Pandas分组操作核心：groupby详解
重索引（reset_index / set_index）实战技巧
综合案例：电商销售数据的分组统计与索引重构
常见错误与性能优化建议
问答环节：解决你关于分组重索引的困惑

什么是数据分组与重索引？为什么重要？

在数据分析中，数据分组（GroupBy）是指根据某个或某几个字段将数据拆分成多个组，然后对每个组独立执行聚合、变换或过滤操作。重索引（Reindexing）则是调整DataFrame的行列索引结构,使数据更易于理解或满足后续分析需求。

Python案例如何用Pandas做数据分组重索引

为什么要将两者结合？举一个典型场景：你有一份销售数据，需要按“月份”和“商品类别”统计销售额，最终输出一个以“月份”为行、以“商品类别”为列的表格，这本质上就是分组聚合 + 重索引（pivot/unstack） 的组合操作。

Pandas作为Python最核心的数据处理库，其groupby、reset_index、set_index、pivot_table等函数构成了分组重索引的完整生态，掌握这些技巧,能让你的数据处理效率提升数倍。

Pandas分组操作核心：groupby详解

1 基础语法与分组模式

df.groupby(by=grouping_columns)[columns_to_aggregate].agg(aggregation_function)

by：指定分组依据，可以是单个列名、多个列名列表,或自定义函数。
分组后常用聚合函数：sum()、mean()、count()、max()、min()、std() 等。
agg() 支持同时指定多个聚合方式，如 {'销售额':['sum','mean']}。

2 案例：按城市和产品分组统计

import pandas as pd
data = {
    '城市': ['北京','上海','北京','上海','广州'],
    '产品': ['A','A','B','B','A'],
    '销售额': [100,200,150,250,180]
}
df = pd.DataFrame(data)
# 单层分组
grouped = df.groupby('城市')['销售额'].sum()
print(grouped)
# 输出：
# 城市
# 上海    450
# 北京    250
# 广州    180
# 多层分组
grouped_multi = df.groupby(['城市','产品'])['销售额'].sum()
print(grouped_multi)
# 城市  产品
# 上海  A     200
#       B     250
# 北京  A     100
#       B     150
# 广州  A     180

注意：groupby默认会将分组键作为索引（Index）,这是后续重索引操作的基础。

重索引（reset_index / set_index）实战技巧

1 reset_index：将索引还原为普通列

当groupby生成的分组结果具有分层索引时（例如按城市+产品分组），使用reset_index()可以将其转换回普通DataFrame：

result = grouped_multi.reset_index()
print(result)
#   城市 产品  销售额
# 0  上海  A   200
# 1  上海  B   250
# 2  北京  A   100
# 3  北京  B   150
# 4  广州  A   180

2 set_index：将普通列提升为索引

如果你希望将某列设置为索引（例如将“月份”设为行索引），使用set_index()：

df_temp = pd.DataFrame({'月份':['1月','2月','3月'], '销量':[300,450,500]})
df_indexed = df_temp.set_index('月份')
print(df_indexed)
#      销量
# 月份    
# 1月  300
# 2月  450
# 3月  500

3 高级技巧：unstack() 实现行转列

unstack()是重索引的进阶用法，它可以将多层索引中的内层索引转换为列标签（类似Excel透视表）：

grouped_multi.unstack()
# 输出：
# 产品     A      B
# 城市            
# 上海   200.0  250.0
# 北京   100.0  150.0
# 广州   180.0    NaN

“产品”从行索引变为了列字段，缺失值默认填充NaN，可配合fillna()补零。

4 pivot_table：一步到位的分组+重索引

pivot_table是groupby + unstack的快捷方式,语法更直观：

pd.pivot_table(df, values='销售额', index='城市', columns='产品', aggfunc='sum', fill_value=0)
# 输出：
# 产品    A    B
# 城市          
# 上海   200  250
# 北京   100  150
# 广州   180   0

综合案例：电商销售数据的分组统计与索引重构

1 数据准备

假设有一份电商订单数据，包含字段：order_date（订单日期）、category（商品类别）、region（区域）、amount（金额）。

import pandas as pd
import numpy as np
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=100, freq='D')
data = {
    'order_date': np.random.choice(dates, 500),
    'category': np.random.choice(['电子产品','服装','食品','书籍'], 500),
    'region': np.random.choice(['华北','华东','华南','西部'], 500),
    'amount': np.random.randint(50, 500, 500)
}
df = pd.DataFrame(data)

2 需求1：按月和类别统计总销售额，并以月份为行

# 第一步：提取月份
df['month'] = df['order_date'].dt.month
# 分组聚合
monthly_sales = df.groupby(['month','category'])['amount'].sum().reset_index()
print(monthly_sales.head())
#    month category  amount
# 0      1      书籍   20556
# 1      1     服装    19704
# 2      1    电子产品  20978
# 3      1     食品   23522
# 4      2      书籍   18111

3 需求2：重构索引，变成“月份”为行，“类别”为列

pivot_sales = monthly_sales.pivot_table(
    index='month', 
    columns='category', 
    values='amount',
    fill_value=0
).reset_index()  # 如需将月份也变成普通列
print(pivot_sales)
# category  month     书籍     服装    电子产品      食品
# 0              1   20556   19704     20978   23522
# 1              2   18111   20472     22777   21578
# ...（共12个月）

此时索引变成了数字索引（0,1,2…），如果希望“month”作为索引：去掉.reset_index()即可。

4 需求3：按区域和类别分组，计算出平均消费金额，并重索引为矩阵

region_category_mean = df.groupby(['region','category'])['amount'].mean().reset_index()
pivot_region = region_category_mean.pivot_table(
    index='region',
    columns='category',
    values='amount',
    fill_value=0
)
print(pivot_region)
# category         书籍          服装         电子产品          食品
# region                                                 
# 华北      282.314286  280.956522     277.500000  301.534884
# 华东      293.641026  298.426571     271.105263  267.166667
# 华南      280.276596  296.445783     291.113636  286.582278
# 西部      263.425532  296.638298     282.500000  271.700000

常见错误与性能优化建议

1 常见错误

忘记reset_index导致索引混乱：groupby后直接参与计算，索引可能变为复合索引，后续操作容易出错，建议养成习惯：需要普通列时立即reset_index()。
pivot_table中缺失值未处理：默认填充NaN，若需补零使用fill_value=0。
数据类型错误：例如日期格式不是datetime类型，导致dt.month出现异常，用pd.to_datetime()预处理。

2 性能优化

对于大数据集（百万行以上），用groupby的agg比apply快得多。
如果分组键是字符串,可先转化为Categorical数据类型以减少内存。
避免在groupby后使用lambda操作,尽量用内置聚合函数。

问答环节：解决你关于分组重索引的困惑

Q1：groupby和pivot_table有什么区别？什么时候用哪个？

A：groupby更灵活，支持复杂的分组后运算（如过滤、自定义变换），但输出通常是长格式。pivot_table专为透视表设计，一步完成分组+行列转换，更直观，我的建议：如果最终需要矩阵形式（行列交叉），用pivot_table；如果需要中间步骤的链式操作，用groupby。

Q2：多层索引如何重设为两层索引？

A：使用reset_index(level=...)或droplevel()，例如df.reset_index(level=0)只会将最外层索引转成列。

Q3：重索引过程中数据丢失怎么办？

A：检查groupby的聚合函数是否选择了正确的列，以及pivot_table的values参数是否匹配，丢失常见于索引不完整（如某些组合缺失数据），用fill_value补0或dropna=False保留空行。

Q4：有什么方法可以将重索引结果保存到Excel？

A：直接使用df.to_excel('output.xlsx')，注意如果索引是复合索引，Excel中会以多列呈现，看起来不美观，建议在输出前先reset_index(),让所有数据变成普通列。

Pandas的分组与重索引是数据分析的“左膀右臂”，通过本文的案例，你应该已经掌握了从groupby聚合到pivot_table透视的完整路径，实际工作中，建议多练习“分组—聚合—重索引—透视”这个经典四步法，当你面对一张凌乱的原始表时，先思考“需要按什么字段分组”，再思考“最终想要什么样的行列结构”,用本文提到的工具就能快速实现。

行动建议：复制案例中的代码，替换成你自己的数据集（如淘宝订单、学生成绩），反复演练三次，你会发现，数据分析从“无从下手”变成了“像搭积木一样简单”。

如果遇到具体的分组重索引难题，欢迎在评论区留言,我会在第一时间回复。