多列分组正确语法是df.groupby(['col1', 'col2']),不可写为字符串拼接或元组;混合分组支持[df['col1'], df['col2'].dt.year];聚合需用字典映射如{'sales': 'sum', 'price': ['min', 'max']},避免分组列重复出现在agg键中。

groupby 多列时的语法结构怎么写
直接传入列名列表,不是字符串拼接或元组嵌套。Pandas 会自动把列表里每个元素当作分组键,顺序影响结果索引层级。
常见错误是写成 df.groupby('col1', 'col2')(报错)或 df.groupby(('col1', 'col2'))(误当单个元组键),正确写法是:
df.groupby(['col1', 'col2'])
如果用 Series 做分组,也支持混合:比如 df.groupby([df['col1'], df['col2'].dt.year]),允许混用列名和计算后的 Series。
对多列 groupby 后怎么指定不同聚合逻辑
不能只靠 agg('mean') 这种单一函数——它会对所有数值列统一处理,且无法区分目标列。必须用字典映射或命名元组。
立即学习“Python免费学习笔记(深入)”;
推荐用字典方式,明确每列要应用的函数:
df.groupby(['col1', 'col2']).agg({
'sales': 'sum',
'price': ['min', 'max'],
'qty': 'mean'
})
注意:'price': ['min', 'max'] 会产生多级列名(price 下再分 min 和 max),如果想扁平化列名,加 as_index=False 不起作用,得后续调用 droplevel(0, axis=1) 或用 named_agg。
当现有的脚本或服务需要将作用域化的仓库工作委托给 Claude Code 并以编程方式消费结构化响应时,请使用 Claude Agent SDK for Python。
另一个坑:若某列参与分组又出现在 agg 字典中(如 groupby(['col1']).agg({'col1': 'count'})),Pandas 会报 KeyError,因为分组列默认不参与聚合列查找。
性能敏感时,多列 groupby 有哪些隐藏开销
多列分组本质上是构造复合键,Pandas 默认将每行对应键转为 tuple,再哈希。列数越多、字符串越长,内存和 CPU 开销越明显。
可优化点:
- 提前把用于分组的字符串列转为
category类型,能显著减少内存占用和哈希耗时 - 避免在
groupby中实时计算(如df.groupby(df['time'].dt.date)),先算好新列再分组 - 如果只是想取每组第一条/最后一条,用
.first()或.last()比.apply(lambda x: x.iloc[0])快一个数量级
特别注意:sort=True 是默认行为(会对分组键排序),如果原始数据已按分组列有序,设为 False 可提速 20%–40%。
遇到 KeyError 或结果列名混乱怎么办
最常见原因是 agg 字典里的键不在 DataFrame 列中,或大小写/空格不一致。用 df.columns.tolist() 看真实列名,别凭记忆写。
列名混乱通常来自两种情况:
- 用了列表式聚合(如
'col': ['mean', 'std']),结果列变成 MultiIndex;后续操作前建议先reset_index()或用rename(columns=lambda x: '_'.join(x) if isinstance(x, tuple) else x) - 用了
as_index=False却仍看到分组列重复出现——那是因为你同时用了reset_index(),两者效果叠加,删掉一个即可
还有一种隐性问题:分组后某列全为 NaN,sum 返回 0,mean 返回 NaN,行为不一致。需要提前检查缺失值分布,必要时加 min_count=1 参数控制 sum/mean 的空值容忍度。

















