在使用 Pandas 做數(shù)據(jù)統(tǒng)計(jì)時(shí)，groupby + agg 是繞不開的操作。

但很多人（包括我自己）在實(shí)際項(xiàng)目中都會遇到一個(gè)問題：

為什么明明只是做個(gè)統(tǒng)計(jì)，結(jié)果 DataFrame 卻變成了 MultiIndex，
后面 merge、導(dǎo) Excel、畫圖全都開始報(bào)錯(cuò)？

追根溯源，問題往往出在：
?? groupby + agg 的寫法選錯(cuò)了

本文結(jié)合真實(shí)工程經(jīng)驗(yàn)，詳細(xì)講清楚 Pandas 中 agg 的兩種常見寫法，以及為什么在工程場景下強(qiáng)烈推薦其中一種。

一、一個(gè)非常真實(shí)的使用場景

假設(shè)你在做檢測評測統(tǒng)計(jì)，有如下數(shù)據(jù)：

目標(biāo)是：

按 class + part1 統(tǒng)計(jì) TP / FP / FN / GT 數(shù)量

二、第一種寫法：很多人最常用，但最容易踩坑

groupby_df = df.groupby(['class', 'part1']).agg(
    {'TP': 'sum', 'FP': 'sum', 'FN': 'sum', 'GT_count': 'sum'}
)

這段代碼有問題嗎？
沒有。

但它返回的結(jié)果結(jié)構(gòu)是：

• class 和 part1 變成了 MultiIndex
• 統(tǒng)計(jì)結(jié)果才是列

也就是說，你拿到的是一張 多級索引 DataFrame。

MultiIndex 在工程中會帶來什么問題？

以下問題你大概率都會遇到：

• 導(dǎo)出 Excel 前必須 reset_index()
• 和其他表 merge 時(shí)經(jīng)常報(bào)錯(cuò)
• 新同事很難快速理解數(shù)據(jù)結(jié)構(gòu)
• 后面再算指標(biāo)時(shí)代碼變得很別扭

?? 分析階段還能接受，工程階段非常痛苦

三、第二種寫法：Pandas 官方推薦（強(qiáng)烈建議）

groupby_df = (
    df.groupby(['class', 'part1'], as_index=False)
    .agg(
        TP=('TP', 'sum'),
        FP=('FP', 'sum'),
        FN=('FN', 'sum'),
        GT=('GT_count', 'sum'),
    )
)

返回結(jié)果是什么樣？

class | part1 | TP | FP | FN | GT

• 分組字段是普通列
• 沒有 MultiIndex
• 看起來就是一張“標(biāo)準(zhǔn)統(tǒng)計(jì)表”

四、兩種寫法的核心區(qū)別對比

五、真實(shí)項(xiàng)目中的差距會越來越大

當(dāng)統(tǒng)計(jì)需求升級，比如你還想算：

• 平均置信度
• 唯一 track 數(shù)

第一種寫法會越來越臃腫：

df.groupby(['class', 'part1']).agg({
    'TP': 'sum',
    'FP': 'sum',
    'FN': 'sum',
    'score': 'mean',
    'track_id': 'nunique'
})

而第二種寫法依然清晰：

df.groupby(['class', 'part1'], as_index=False).agg(
    TP=('TP', 'sum'),
    FP=('FP', 'sum'),
    FN=('FN', 'sum'),
    avg_score=('score', 'mean'),
    track_cnt=('track_id', 'nunique'),
)

到此這篇關(guān)于Pandas中g(shù)roupby+agg的兩種寫法區(qū)別小結(jié)的文章就介紹到這了,更多相關(guān)Pandas中g(shù)roupby+agg 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！