Python案例如何用Pandas做数据分组透视

wen python案例 2026-07-14 2

本文目录导读：

数据准备
基础分组操作
多重聚合计算
创建数据透视表
高级分组操作
实际业务案例
数据可视化配合
性能优化技巧
常见问题解决

我来详细讲解如何使用Pandas进行数据分组透视,包含多个实用案例。

数据准备

import pandas as pd
import numpy as np
# 创建示例数据
data = {
    '部门': ['技术部', '市场部', '技术部', '市场部', '技术部', '人事部', '市场部', '人事部', '技术部', '人事部'],
    '性别': ['男', '女', '男', '女', '男', '女', '男', '女', '女', '男'],
    '薪资': [15000, 12000, 18000, 11000, 20000, 9000, 13000, 8500, 16000, 9500],
    '年龄': [28, 32, 35, 27, 30, 26, 33, 29, 31, 28],
    '绩效评分': [85, 92, 78, 88, 95, 80, 85, 90, 82, 75],
    '入职年份': [2020, 2019, 2018, 2021, 2020, 2021, 2019, 2020, 2021, 2020]
}
df = pd.DataFrame(data)
print("原始数据:")
print(df)

基础分组操作

# 单列分组 - 按部门分组计算平均薪资
grouped_dept = df.groupby('部门')['薪资'].mean()
print("\n各部门平均薪资:")
print(grouped_dept)
# 多列分组
grouped_multi = df.groupby(['部门', '性别'])['薪资'].mean()
print("\n各部门各性别平均薪资:")
print(grouped_multi)
# 多个聚合函数
grouped_agg = df.groupby('部门')['薪资'].agg(['mean', 'sum', 'count', 'max', 'min'])
print("\n各部门薪资统计:")
print(grouped_agg)

多重聚合计算

# 对不同列使用不同聚合函数
agg_dict = {
    '薪资': ['mean', 'sum', 'std'],
    '年龄': ['mean', 'max', 'min'],
    '绩效评分': ['mean', 'max']
}
grouped_multi_agg = df.groupby('部门').agg(agg_dict)
print("\n多重聚合统计:")
print(grouped_multi_agg)
# 使用命名聚合（Pandas 0.25+）
named_agg = df.groupby('部门').agg(
    平均薪资=('薪资', 'mean'),
    最高薪资=('薪资', 'max'),
    平均年龄=('年龄', 'mean'),
    平均绩效=('绩效评分', 'mean')
)
print("\n命名聚合结果:")
print(named_agg)

创建数据透视表

# 基础透视表 - 按部门和性别计算平均薪资
pivot_table1 = pd.pivot_table(
    df,
    values='薪资',
    index='部门',
    columns='性别',
    aggfunc='mean'
)
print("\n基础透视表（平均薪资）:")
print(pivot_table1)
# 多值透视表
pivot_table2 = pd.pivot_table(
    df,
    values=['薪资', '绩效评分'],
    index='部门',
    columns='性别',
    aggfunc='mean'
)
print("\n多值透视表:")
print(pivot_table2)
# 带汇总的透视表
pivot_table3 = pd.pivot_table(
    df,
    values='薪资',
    index='部门',
    columns='性别',
    aggfunc='mean',
    margins=True,  # 添加汇总行和列
    margins_name='总计'
)
print("\n带汇总的透视表:")
print(pivot_table3)

高级分组操作

# 自定义聚合函数
def salary_range(x):
    return x.max() - x.min()
custom_agg = df.groupby('部门')['薪资'].agg([
    ('均值', 'mean'),
    ('范围', salary_range),
    ('中位数', lambda x: x.median())
])
print("\n自定义聚合函数:")
print(custom_agg)
# 分组后转换（transform）
df['薪资百分比'] = df.groupby('部门')['薪资'].transform(lambda x: x / x.sum() * 100)
print("\n添加薪资百分比列:")
print(df[['部门', '薪资', '薪资百分比']])
# 分组后过滤
filtered = df.groupby('部门').filter(lambda x: x['薪资'].mean() > 12000)
print("\n平均薪资超过12000的部门数据:")
print(filtered)

实际业务案例

# 案例1：员工绩效分析
print("\n=== 员工绩效分析 ===")
performance_analysis = pd.pivot_table(
    df,
    values=['绩效评分', '薪资'],
    index=['部门', '性别'],
    aggfunc={
        '绩效评分': ['mean', 'max', 'min'],
        '薪资': ['mean', 'sum']
    }
)
print(performance_analysis)
# 案例2：年度入职分析
df['入职年份'] = df['入职年份'].astype(str)  # 转换为字符串便于分类
yearly_analysis = df.groupby(['入职年份', '部门']).agg(
    员工数=('薪资', 'count'),
    平均薪资=('薪资', 'mean'),
    平均绩效=('绩效评分', 'mean')
)
print("\n=== 年度入职分析 ===")
print(yearly_analysis)
# 案例3：薪资等级分析
df['薪资等级'] = pd.cut(df['薪资'], 
                        bins=[0, 10000, 15000, 20000, float('inf')],
                        labels=['低', '中', '高', '很高'])
grade_analysis = pd.pivot_table(
    df,
    values='员工姓名' if '员工姓名' in df.columns else '薪资',
    index='部门',
    columns='薪资等级',
    aggfunc='count',
    fill_value=0
)
print("\n=== 薪资等级分布 ===")
print(grade_analysis)

数据可视化配合

import matplotlib.pyplot as plt
# 准备可视化数据
dept_stats = df.groupby('部门').agg({
    '薪资': 'mean',
    '绩效评分': 'mean',
    '年龄': 'mean'
}).round(1)
# 创建图表
fig, axes = plt.subplots(1, 3, figsize=(15, 5))
# 平均薪资柱状图
dept_stats['薪资'].plot(kind='bar', ax=axes[0], title='各部门平均薪资')
axes[0].set_ylabel('薪资（元）')
# 平均绩效柱状图
dept_stats['绩效评分'].plot(kind='bar', ax=axes[1], title='各部门平均绩效')
axes[1].set_ylabel('绩效评分')
# 散点图
axes[2].scatter(dept_stats['薪资'], dept_stats['绩效评分'])
axes[2].set_xlabel('平均薪资')
axes[2].set_ylabel('平均绩效')
axes[2].set_title('薪资与绩效关系')
plt.tight_layout()
plt.show()

性能优化技巧

# 使用类别类型优化
df['部门'] = df['部门'].astype('category')
# 分组时指定排序
result = df.groupby('部门', sort=False)['薪资'].mean()
# 使用agg方法而不是多次groupby
# 不推荐：
# mean_salary = df.groupby('部门')['薪资'].mean()
# max_salary = df.groupby('部门')['薪资'].max()
# 推荐：
optimized = df.groupby('部门')['薪资'].agg(['mean', 'max', 'min'])

常见问题解决

# 处理缺失值
df_with_na = df.copy()
df_with_na.loc[0, '薪资'] = np.nan
# 分组时忽略缺失值
result_no_na = df_with_na.groupby('部门')['薪资'].mean()
print("\n忽略缺失值的分组结果:")
print(result_no_na)
# 保留缺失值信息
result_keep_na = df_with_na.groupby('部门', dropna=False)['薪资'].mean()
print("\n保留缺失值的分组结果:")
print(result_keep_na)
# 处理重复索引
df_duplicated = pd.concat([df, df.iloc[[0, 1]]])
result_dedup = df_duplicated.groupby('部门', as_index=False)['薪资'].mean()
print("\n去重后的分组结果:")
print(result_dedup)

Pandas数据分组透视的主要功能：

groupby()：基础分组，支持单列和多列分组
pivot_table()：创建数据透视表，更灵活的维度展示
agg()：应用多个聚合函数，支持自定义函数
transform()：保持原数据形状的转换操作
filter()：按条件过滤分组数据

这些功能在数据分析和报表生成中非常实用,可以高效处理各种统计需求。