Python案例如何用Pandas做数据分组交叉

wen python案例 2026-07-14 2

Python案例：如何用Pandas做数据分组交叉——从入门到实战详解

目录导读

什么是数据分组交叉及其应用场景
Pandas分组交叉的核心函数与语法
电商用户分群与交叉统计
销售数据的多维交叉分析
交叉分组后的聚合运算与可视化
常见问题与解决方案（FAQs）
总结与优化建议

什么是数据分组交叉及其应用场景

数据分组交叉（Cross Grouping）是指同时对多个维度（如时间、地区、产品类别）进行分组，并在组内进行统计、聚合、比较的分析方法，在Python中，Pandas的groupby()结合crosstab()、pivot_table()等工具可高效完成这类任务。

Python案例如何用Pandas做数据分组交叉

典型场景：

电商平台按“用户等级×购买渠道”统计订单数
金融机构按“风险等级×产品类型”计算逾期率
线下零售按“门店×时间段”分析客流量

与普通分组不同，交叉分组强调维度间的组合关系,便于发现不同维度间的相互影响。

Pandas分组交叉的核心函数与语法

1 `groupby()` + `agg()` 基础分组

适合一维或多维分组后的自定义聚合：

df.groupby(['城市', '产品']).agg({'销售额': 'sum', '订单数': 'count'})

2 `pivot_table()` 透视表

生成二维交叉表格，支持多索引、多值聚合：

pd.pivot_table(df, values='销售额', index='城市', columns='产品', aggfunc='sum', fill_value=0)

3 `crosstab()` 交叉计数

专门用于频次统计,自动计算组合频数：

pd.crosstab(df['性别'], df['购买类别'], margins=True, normalize='index')

4 `groupby()` + `apply()` 复杂交叉

当需要自定义逻辑（如去重计数、条件统计）时使用。

案例一：电商用户分群与交叉统计

数据示例

假设有订单表orders，包含：user_id、level（普通/VIP）、channel（PC/APP）、amount。

目标

统计不同用户等级下，各渠道的消费总额、订单数、客单价。

实现代码

import pandas as pd
import numpy as np
# 模拟数据
data = {
    'user_id': range(1, 21),
    'level': np.random.choice(['普通', 'VIP'], 20, p=[0.6, 0.4]),
    'channel': np.random.choice(['PC', 'APP'], 20),
    'amount': np.random.randint(50, 500, 20)
}
df = pd.DataFrame(data)
# 交叉分组统计
cross = df.groupby(['level', 'channel']).agg(
    总金额=('amount', 'sum'),
    订单数=('amount', 'count'),
    客单价=('amount', 'mean')
).reset_index()
print(cross)

结果解读

输出显示：普通用户在APP端消费总额较低，但VIP用户在PC端客单价更高,这提示运营策略应针对不同组织调整资源分配。

案例二：销售数据的多维交叉分析

场景

公司有月度销售表sales，包含：year、quarter、region（华北/华东）、product（A/B）、revenue。

目标

生成“季度×产品”的销售额透视表,并加入总计行。

实现代码

# 模拟数据
sales_data = {
    'year': [2023]*20 + [2024]*20,
    'quarter': np.tile(['Q1','Q2','Q3','Q4'], 10),
    'region': np.random.choice(['华北','华东'], 40),
    'product': np.random.choice(['A','B'], 40),
    'revenue': np.random.randint(1000, 8000, 40)
}
df_sales = pd.DataFrame(sales_data)
# 透视表：行列交叉
pivot = pd.pivot_table(
    df_sales,
    values='revenue',
    index='quarter',
    columns='product',
    aggfunc='sum',
    fill_value=0,
    margins=True,
    margins_name='总计'
)
print(pivot)

高级扩展

可加入region作为第二个索引：

pivot_multi = pd.pivot_table(
    df_sales,
    values='revenue',
    index=['region', 'quarter'],
    columns='product',
    aggfunc='sum'
)

案例三：交叉分组后的聚合运算与可视化

目标

基于案例二的数据，计算每季度各产品的销售占比,并绘制堆叠柱状图。

代码

# 计算季度内产品占比
pivot_ratio = pivot.div(pivot['总计'], axis=0) * 100
print(pivot_ratio)
# 可视化
import matplotlib.pyplot as plt
pivot_ratio.drop('总计', axis=1).plot(kind='bar', stacked=True, figsize=(10,6))'各季度产品销售额占比')
plt.ylabel('占比 (%)')
plt.xticks(rotation=0)
plt.tight_layout()
plt.show()