“每个部门各卖了多少？””每人平均几单？””哪个区人均最高？”——这类分组对比问题，Excel的数据透视表要点七八下，还每次重来。
groupby一行分班、一行报数，透视表在你手里重生
一、老板的”第三轮追问”
前两篇的剧情走到这里：老板问”总销售额多少”（第31篇，总量类），又问”华东过万的订单有哪些”（第32篇，筛选类）。这次他把茶杯一放，问出了第三类问题：
“每个部门各卖了多少？做个对比。”
注意这个问题的形状：不再是”全表一个数”，也不再是”哪几行”，而是“按部门分成几堆，每堆各算一个数”。Excel里你点”插入→数据透视表→把’部门’拖到行、’销售额’拖到值”，七八下鼠标，出一张对比表。老板看完点头，然后说：”再加一列订单数，再加一列平均单值。“——你又回到拖拽界面，再拖两次字段。
这类问题叫分组统计，pandas的答案叫groupby。一行分班，一行报数：
print(df.groupby("部门")["销售额"].sum())一行，出结果：
部门
华东 38300
华北 15300
华南 9800
Name: 销售额, dtype: int64老板追加的”订单数、平均单值”？等你学完今天第二个小招agg，也是一行的事。今天的唯一一个新概念是：groupby——先把表按某一列”分班”，再对每班分别算数。它是Excel数据透视表的代码版，也是”读进程序→看清长相→按需提问”三部曲里最像”做报表”的一问。
二、新概念：groupby——给数据”分班”
先想清楚：它到底干了什么
groupby("部门")的动作，跟老师分班报数一模一样：
- 分班：看”部门”这一列，把华东的行放一堆、华南的行放一堆、华北的行放一堆；
- 报数：对每一堆，分别算你要的数（总和、平均、个数……）。
拿第32篇的示例数据（5行）走一遍：
姓名 部门 销售额 日期
0 小李 华南 8000 2026-01-03
1 小王 华东 12000 2026-01-05
2 小张 华东 15300 2026-01-07
3 小赵 华北 9500 2026-01-08
4 小王 华东 11000 2026-01-09df.groupby("部门")先把班分好：华东班是1、2、4号行（12000、15300、11000），华南班是0号行（8000），华北班是3号行（9500）。接着["销售额"].sum()对每班求和：华东38300、华南8000……等等，上面输出华南是9800？对，因为那是一份更大的示例表，你手里的表跑出来是多少就是多少——报数结果取决于你的数据，别背我这里的数字。
读法记好：df.groupby("分班列")["要算的列"].算法()，念作”按某列分班，对某列报数“。
不只sum：报数算法全家福
.sum()只是报数员之一，同一行代码换个算法就是换个问题：
print(df.groupby("部门")["销售额"].sum()) # 各部门总销售额
print(df.groupby("部门")["销售额"].mean()) # 各部门平均单值
print(df.groupby("部门")["销售额"].count()) # 各部门订单数（数的是"有多少行"）
print(df.groupby("部门")["销售额"].max()) # 各部门最大单子sum（总和）、mean（平均）、count（计数）、max/min（最大/最小）——这五个覆盖日常报表九成需求。注意count数的是行数，也就是”订单数”，这正是老板要的第二列。
不指定列，整表分班报数
方括号里的列名其实可以省：
print(df.groupby("部门").sum(numeric_only=True)) 销售额
部门
华东 38300
华北 15300
华南 9800对所有数字列分别求和（numeric_only=True是”只算数字列”，不加的话日期列报错，坑3细说）。表有几列数字就出几列结果——销售额、利润、件数一次全算完。只想看一列就指定列，想全算就省略，按需选。
分班结果也是”表”，能接着排序
groupby吐出来的结果，索引是部门名、值是算出来的数——它也是个（小）表格，所以第32篇学的sort_values直接接着用：
各部门总额 = df.groupby("部门")["销售额"].sum()
print(各部门总额.sort_values(ascending=False))老板要”对比”，一般就想要从高到低排好的对比。groupby出结果、sort_values排座次，两行一气呵成——这就是把学过的招连起来的甜头。
三、agg：一次报三个数
老板要三列：总销售额、订单数、平均单值。写三行groupby？可以，但笨——分了三遍班。agg（aggregate，”汇总”的缩写）的正确姿势是分一次班，报三个数：
报表 = df.groupby("部门")["销售额"].agg(["sum", "count", "mean"])
print(报表) sum count mean
部门
华东 38300 3 12766.7
华北 15300 1 15300.0
华南 9800 1 9800.0agg(["sum", "count", "mean"])就是给每班派了三个报数员：agg吃一个名单（第8篇的列表），名单里是算法名的字符串。列名现在是sum、count、mean，想换成中文表头（老板看的表必须是中文），加一行改名：
报表.columns = ["总销售额", "订单数", "平均单值"]报表.columns是”表的列名清单”，直接赋一个新列表就整体换掉。到这里，老板的三列对比表四行代码成型，还顺手能sort_values排好序。
如果要对不同列算不同数（比如销售额求总和、订单数求计数），agg还接受字典写法：
报表 = df.groupby("部门").agg(总销售额=("销售额", "sum"), 订单数=("销售额", "count"))
print(报表)字典里”新列名 = (老列名, 算法)”，一次出表连表头都起好了。两种写法记住一种就够用，另一种混个眼熟。
四、实战：老板要的”分部门对比表”
完整代码收拢，以后”分组对比”类问题就是换换列名的事：
import pandas as pd
df = pd.read_excel("销售明细.xlsx")
# 老板要的三列对比表
报表 = df.groupby("部门")["销售额"].agg(["sum", "count", "mean"])
报表.columns = ["总销售额", "订单数", "平均单值"]
报表 = 报表.sort_values("总销售额", ascending=False)
print("=== 分部门销售对比 ===")
print(报表)
# 追问1：每人呢？换个分班列而已
每人 = df.groupby("姓名")["销售额"].sum().sort_values(ascending=False)
print("n=== 每人销售排行 ===")
print(每人)
# 追问2：哪个区人均最高？（人均 = 总销售额 ÷ 订单数）
报表["人均单值"] = 报表["总销售额"] / 报表["订单数"]
print(f"n人均单值最高的部门：{报表['人均单值'].idxmax()}，"
f"人均 {报表['人均单值'].max():.0f} 元")输出（示例数据）：
=== 分部门销售对比 ===
总销售额 订单数 平均单值
部门
华东 38300 3 12766.7
华北 15300 1 15300.0
华南 9800 1 9800.0
=== 每人销售排行 ===
姓名
小王 23000
小张 15300
小赵 9500
小李 8000
Name: 销售额, dtype: int64
人均单值最高的部门：华北，人均 15300 元三个新小东西都在预料之内：换分班列=换老板的问题（"部门"→"姓名"）；给表加新列就是报表["新列名"] = 两个旧列相除——跟给字典加键值对一个感觉（第8篇），表能一直”长”出新列；idxmax()是”最大值所在的那个索引名”（max()只给数，idxmax()给名字），找”冠军是谁”专用。
五、四个必踩的坑（先打疫苗）
坑1：groupby完直接print(df.groupby("部门"))，打印出一坨看不懂的东西。 那是”分班对象”本身，不是结果——groupby只分完了班还没报数！铁律：groupby后面必须跟报数动作（.sum()、.count()、.agg(...)），跟上才算数。想看分班对象里到底有什么，用for 名字, 班级 in df.groupby("部门"):逐班打印，调试时偶尔用。
坑2：把count当”不重复个数”用。 count数的是行数（订单数）。如果一行是”一个客户”，客户买了三单就有三行，count报3——它可不知道这三行是同一个人。想数”有几个不同的客户”，用nunique()（number of unique，”不重复的有几个”）：df.groupby("部门")["姓名"].nunique()报的是每部门有几个不同的人。报表数字不对劲时，先问自己：我要数的是”单数”还是”人数”？
坑3：整表sum时日期列捣乱。 df.groupby("部门").sum()如果表里有日期列，老版本pandas会把日期也加起来（一堆日期求和毫无意义）或者直接报错。加numeric_only=True（”只算数字”）就不会踩：df.groupby("部门").sum(numeric_only=True)。指定列的写法（["销售额"].sum()）天然没这个坑——这也是”能指定列就指定列”的理由。
坑4：分班列里有空值（NaN），那一行”人间蒸发”。 groupby默认悄悄丢掉分班列为NaN的行，不报错、不吭声，你的人数/总额就这么少了。发报表前先查一眼：print(df["部门"].isna().sum())（这列有几个空），有空值就先处理——第29篇数据清洗的活儿：补上df["部门"] = df["部门"].fillna("未知")，让”未知”自成一班，报表才对得上总数。
六、跟AI协作的正确姿势（分组统计特供）
- 用”报表语言”描述需求。说”按部门分组，算总销售额、订单数、平均单值，列名用中文，按总销售额降序“——四要素（分班列、报数项、表头、排序）说全，AI写的
agg就不会缺项。它最常犯的错是忘numeric_only=True和把count/nunique搞混，拿到代码先查这两处 - 让AI”先出草表再加工”。追加一句：”先print一个只含sum的结果让我验数，再加另外两列“——分步出图。分组统计的错误非常隐蔽（数字都挺像样，就是不对），先拿最小的一列跟Excel手算对一下，再堆功能
- 追问”这个数怎么对不上”时，把两边数据都给AI。Excel的透视表结果+程序的输出一起贴给它，让它逐班核对。多数时候它能找出是坑2（单数vs人数）还是坑4（空值蒸发）——数字对不上先查这两处，八成就是它俩
高频句式：”表有这些列（贴df.dtypes的输出），按’某列’分组，对’某列’算sum/count/mean，输出中文表头并降序排列。请分步写代码，先出最小结果验数，注意numeric_only=True和空值处理“。
七、今日小练习
练习1：月度销售对比
按”日期”的月份分组，算每月总销售额和订单数，找出销售最好的月份。（提示：先把日期转成真日期df["日期"] = pd.to_datetime(df["日期"])，然后df.groupby(df["日期"].dt.month)["销售额"].agg(...)——注意分班列不一定非是”现成的列”，df["日期"].dt.month这个”算出来的列”也能当分班依据，这是groupby最实用的隐藏招。idxmax()找冠军月份。）
练习2：找出”抢单王”
按姓名分组，算每人订单数和平均单值，筛出”订单数最多但平均单值最低“的人。（提示：报表 = df.groupby("姓名")["销售额"].agg(["count", "mean"])，然后报表["count"].idxmax()找单量冠军、报表["mean"].idxmin()找平均垫底（idxmin是idxmax的孪生兄弟），两个名字是否同一人用if比一比——第5篇条件判断。）
练习3：一键报表生成器
写个程序：用户输入一个列名（比如”部门”或”姓名”），程序自动按该列分组、打印”总销售额、订单数、平均单值”三列中文报表并降序排列。列名写错要给提示不崩溃。（提示：用户输入是字符串，直接df.groupby(输入的列名)就行——但先用if 列名 in df.columns兜底（第31篇练习1的招），不在就print("没这列，看看拼写")。报数三件套和改列名是本文第三节的现成代码，整段搬进去。）
写在后面：从”手工拖拽”到”一行分班”
盘点今天：groupby是主菜——按列分班、逐班报数，df.groupby("分班列")["报数列"].算法()一句口诀；agg(["sum", "count", "mean"])一次报多个数，columns换中文表头；sort_values接着排座次，idxmax()/idxmin()找冠军。加上前两篇的读表、总量、筛选，”读进程序→看清长相→按需提问”的第三部曲已经齐了。
更值钱的还是思路：Excel的数据透视表是拖出来的，关掉重开又得拖；groupby是写下来的，改一列名重跑就出新表，存进脚本下周照样能跑。当”做报表”变成”改一行代码”，你和数据的关系就从”伺候它”变成了”使唤它”。
下一篇，数据开始”合体”了：两个表怎么拼成一个——”销售明细”和”员工档案”各记一半信息，merge/concat一行连起来。
下篇预告
第三十四篇：数据合并——merge与concat登场：两个表按”姓名”对上号拼成一张宽表，左右连接（left join）什么的不再是SQL黑话。老板说”把销售数据和员工档案合一起看”，一行代码交货。
发表回复