Python数据分组统计_pivot_table与groupby实战解析【技巧】

pivot_table用于生成行列交叉的报表式汇总表，groupby用于灵活分组聚合；前者适合“行×列→值”结构，后者适合链式操作与复杂筛选。

用 Python 做数据分组统计，pivot_table 和 groupby 是最常用也最容易混淆的两个工具。它们目标相似——聚合、汇总、重塑，但适用场景和底层逻辑不同。选对方法，代码更简洁、结果更可控；用反了，容易绕弯子、出错或性能变差。

groupby：按列“切片+聚合”，适合灵活计算

groupby 的核心是“分组 → 应用函数 → 合并”。它不改变原始结构，而是把数据按指定列拆成若干子集，再对每个子集独立计算（比如求均值、计数、自定义函数）。

• 适合做单维度或多维度分组后的统计，如“每城市销售额总和”“每部门每季度平均薪资”
• 支持链式操作：df.groupby(['city', 'year'])['sales'].sum().reset_index()
• 可混合多种聚合方式：.agg({'sales': 'sum', 'profit': ['mean', 'max']})
• 天然支持迭代、过滤分组、自定义函数（apply），扩展性强

pivot_table：按行列“交叉汇总”，适合报表式展示

pivot_table 更像 Excel 的数据透视表，本质是“行×列→值”的二维（或三维）汇总视图。它自动完成分组、展开、填充缺失值等步骤，输出结构规整的表格。

• 适合生成带行列标签的汇总表，如“各产品在各地区的销量热力图”
• 必须指定 index（行）、columns（列）、values（数值）和 aggfunc（聚合方式）
• 默认处理缺失组合（填 NaN），可用 fill_value 替换，比手动 unstack 更省心
• 支持多级索引和多值列，例如：pivot_table(index=['A','B'], columns='C', values=['X','Y'], aggfunc='sum')

什么时候该用哪个？看输出结构和需求

判断的关键不是“功能强弱”，而是你想要的结果长什么样：

• 要一列结果（如 city → total_sales），用 groupby
• 要一个表格，行是 A、列是 B、格子里是 C 的统计值，优先用 pivot_table
• 要做复杂条件筛选后再分组（如只统计销售额 >1000 的订单），groupby + filter 或布尔索引更直接
• 想把 groupby 结果转成透视结构？可以接 .unstack()，但不如 pivot_table 简洁鲁棒

一个小技巧：pivot_table 其实是 groupby 的语法糖

底层上，pivot_table 就是先 groupby 再 unstack 的封装。比如：

df.pivot_table(index='region', columns='product', values='sales', aggfunc='sum')

等价于：

df.groupby(['region', 'product'])['sales'].sum().unstack(fill_value=0)

理解这点，就能在调试时快速切换写法，也能避免被 pivot_table 的参数绕晕。