groupby本质是分组迭代而非魔法表格操作，返回懒加载的GroupBy对象；需调用聚合方法才执行计算，且分组键须严格对齐索引、处理NaN及dtype一致性。
groupby 本质是分组迭代，不是魔法表格操作
Python 的 groupby（来自 pandas）不会自动“整理好数据等你算”，它只是按键把行划成若干个懒加载的迭代器。你一不调用聚合方法（如 .sum()、.mean()），它就啥也不干；你一调用，它才真正遍历每组数据——这意味着：没重置索引、没处理缺失值、没确认分组键唯一性时，结果可能和直觉差很远。
-
groupby返回的是GroupBy对象，不是DataFrame，不能直接打印出整齐表格 - 分组键含
NaN时，默认被排除（不报错，但静默丢弃），得加dropna=False才保留 - 若分组键是列表或数组，长度必须和 DataFrame 行数一致，否则抛
ValueError: Grouper and axis must be same length
分组键必须对齐索引，否则 groupby 会“看错行”
常见错误是拿一个外部 list 当分组键，但它的顺序/长度和原始 DataFrame 不一致——比如从另一份 CSV 里读出来的标签顺序乱了，或者用了切片后没重置索引。这时 groupby 会按位置硬对齐，导致 A 组里混进 B 的数据。
- 安全做法：用 DataFrame 内部列（
df['category']）或明确构造的pd.Series，并确保其index和df.index完全一致 - 检查手段：
df.index.equals(other_series.index)，别只看len() - 容易踩坑：用
df.iloc[:100]['label']做分组键 → 索引还是原样，但只取了前 100 行，后续 groupby 会广播或报错
agg() 里传函数名和传函数对象行为不同
写 .agg('mean') 和 .agg(np.mean) 看似一样，实际触发路径不同：前者走 pandas 内置优化路径，支持字符串别名（如 'first'、'nunique'），后者走通用 Python 函数调用，能传自定义逻辑但更慢，且对返回值形状更敏感。
-
.agg(['mean', 'std'])→ 返回多列，列名带统计名；.agg([np.mean, np.std])→ 列名是函数名（如<function numpy.mean>），难读 - 传 lambda 时注意：lambda 接收的是 Series，不是单个值，别写成
lambda x: x > 0.5（返回布尔 Series，agg 会报错） - 混合类型聚合（如数值列用
mean，字符列用'first'）必须用字典：.agg({'price': 'mean', 'name': 'first'})
多级 groupby 的键顺序影响结果结构
写 df.groupby(['A', 'B']) 和 df.groupby(['B', 'A']) 分组内容一样，但结果的索引层级顺序相反，直接影响 .unstack()、.xs() 或后续切片逻辑。
立即学习“Python免费学习笔记（深入）”；
- 默认生成
MultiIndex，第一级是第一个键（'A'），第二级是第二个键（'B'） - 如果之后要
.unstack('B')，那'B'必须是内层索引；否则得先.swaplevel()或用.reorder_levels() - 用
as_index=False可避免生成 MultiIndex，但会把键转为普通列——适合立刻导出，不适合链式聚合
最常被忽略的是分组键的 dtype：整数型键和字符串型键哪怕值一样（如 1 和 '1'），也会被当成完全不同的组。别依赖 str 强转隐式对齐，显式统一再分组。
