itertools.groupby要求数据先按分组键排序，否则会将相同键的非连续元素误分为多组；其key必须是可调用对象，返回值需与排序key一致；返回的group迭代器只能遍历一次，需转list保存；它仅切分不聚合，复杂统计应选pandas或defaultdict。
groupby 要求数据先排序，否则分组会出错
itertools.groupby 不是按值聚合，而是按「连续相同键」切分迭代器。如果原始数据未按分组键排序，相同键的元素被分散在不同位置，groupby 会把它们拆成多个组。
比如对 [('a', 1), ('b', 2), ('a', 3)] 按第一个元素分组，结果是三组：('a',)、('b',)、('a',)，而不是你预期的两组。
实操建议：
- 先用
sorted(data, key=lambda x: x[0])排序（注意：必须和groupby的key参数一致） - 若数据来自数据库或文件，优先在源头排序，避免内存中重复排序大列表
- 对字典列表分组时，
key函数别写成lambda x: x['status']，但排序时用了lambda x: x['type']——键不一致必然分错
key 参数写法错误导致分组逻辑混乱
常见错误是把 key 写成字符串（如 key='category'），或误用属性访问（如 key=obj.category）。groupby 的 key 必须是可调用对象，且每次接收一个元素。
立即学习“Python免费学习笔记（深入）”；
正确写法示例：
from itertools import groupby
<p>data = [{'name': 'Alice', 'dept': 'HR'}, {'name': 'Bob', 'dept': 'IT'}, {'name': 'Charlie', 'dept': 'HR'}]</p><h1>✅ 正确：lambda 返回 dept 值</h1><p>groups = groupby(sorted(data, key=lambda x: x['dept']), key=lambda x: x['dept'])</p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/xiazai/skill6591" title="Li Python Sec Check"><img
src="https://img.php.cn/upload/skill/000/000/081/179102166033725.jpg" alt="Li Python Sec Check" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/xiazai/skill6591" title="Li Python Sec Check">Li Python Sec Check</a>
<p>Python 安全规范检查工具：基于 CloudBase 规范、腾讯安全指南，LLM 智能分析（默认禁用，优先本地执行）</p>
</div>
<a href="/xiazai/skill6591" title="Li Python Sec Check" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div><h1>❌ 错误：'dept' 是字符串，不是函数；groupby 会直接用它当 key 值，报 TypeError</h1><h1>groupby(data, key='dept')</h1><p>其他安全写法：
- 用
operator.itemgetter('dept')替代 lambda（更高效，尤其大数据量） - 对元组，用
itemgetter(1)；对命名元组，仍可用attrgetter('field') - 避免在
key中做耗时计算（如读文件、网络请求），因为每个元素都会调用一次
groupby 返回的迭代器只能遍历一次
groupby 返回的是一个 (key, group_iterator) 元组的生成器，其中 group_iterator 本身也是单次消耗型迭代器。一旦你用 list() 或 for 遍历过它，再次尝试遍历时就为空了。
典型翻车场景：
- 打印 group 内容后，再想统计长度 → 得到
0 - 先
sum()再max()→ 第二步报错或返回错误结果
解决办法：
- 需要多次使用 group 数据时，立刻转成
list(group)或tuple(group) - 如果只关心聚合结果（如计数、求和），直接在
for循环内完成，不要保存group迭代器本身 - 别在日志里写
print(list(group))调试后还继续用group——调试完得删掉或注释掉这行
和 pandas.groupby 对比：别用 groupby 替代真正的聚合
itertools.groupby 只负责切分，不做任何计算。它不会自动算均值、计数、拼接字符串。如果你需要这些，得手动写循环 + 累加逻辑，容易出错且代码冗长。
例如按部门统计人数：
# ✅ 简洁可靠（pandas）
df.groupby('dept').size()
<h1>⚠️ 手动实现易漏边界（itertools）</h1><p>for dept, group in groupby(sorted(data, key=itemgetter('dept')), itemgetter('dept')):
count = sum(1 for _ in group) # 注意：这里 group 已被消耗！
适用场景很明确：
- 流式处理、内存受限，不能把全部数据 load 进内存
- 只需按连续块做简单操作（如合并相邻日志行、压缩连续相同值）
- 配合
map/filter做管道式处理，而非报表类聚合
真正要聚合分析，别硬扛——直接上 pandas 或 collections.defaultdict 更稳。
