一次算多个指标：agg#

1
# 对同一列做多种聚合
2
df.groupby('产品类别')['单价'].agg(['mean', 'max', 'min'])
3

4
# 不同列做不同聚合（推荐写法）：字典的键是列名，值是聚合方式
5
df.groupby('产品类别').agg({
6
    '销售数量': 'sum',
7
    '销售金额': 'sum',
8
    '单价': 'mean',
9
})

一、知识回顾（读完直接做下面的实践题）#

1. 排序用 df.sort_values('列名', ascending=True)；升序是 True，降序是 False
2. 多列排序：df.sort_values([列1, 列2], ascending=[True, False])，会先按第一列排，相同时才按第二列
3. 分组用 df.groupby('列名')，作用是按某特征分成不同组后分别做统计计算
4. 分组后统计数量用 count()、求和用 sum()、平均值用 mean()、最值用 min()/max()
5. 一次算多个指标用 agg()：df.groupby('产品类别')['单价'].agg(['mean', 'max', 'min'])
6. 不同列做不同聚合时，agg 里传字典：{'销售数量': 'sum', '单价': 'mean'}

二、裸写题#

数据：data/sales.csv

• 2-1 排序 按”销售数量”降序显示；再按”单价升序 + 销售数量降序”做多列排序，打印前 5 行。

  提示（先自己想，实在想不出再点开）

  一级 · 思路：单列排序传列名，多列排序传列表 + ascending 列表 二级 · 方法：sort_values('销售数量', ascending=False) / sort_values(['单价', '销售数量'], ascending=[True, False]) 三级 · 骨架：结果用 .head(5) 看前 5 行

  参考答案（做完再点开）

  1
  import pandas as pd
  2
  
  3
  df = pd.read_csv('data/sales.csv')
  4
  df['销售金额'] = df['销售数量'] * df['单价']
  5
  
  6
  # 2-1
  7
  print(df.sort_values('销售数量', ascending=False).head(5))
  8
  print(df.sort_values(['单价', '销售数量'], ascending=[True, False]).head(5))

• 2-2 分组统计 按”产品类别”分组，统计各类别的订单数量、销售数量之和。

  提示（先自己想，实在想不出再点开）

  一级 · 思路：df.groupby(按什么分)[看哪一列].(算什么) 二级 · 方法：df.groupby('产品类别')['订单号'].count() / ['销售数量'].sum() 三级 · 骨架：先算出”销售金额”列再分组求和更有业务意义

  参考答案（做完再点开）

  1
  # 2-2
  2
  print(df.groupby('产品类别')['订单号'].count())
  3
  print(df.groupby('产品类别')['销售数量'].sum())

• 2-3 一行出多个指标 按”产品类别”分组，一次算出各类别的”平均单价、最高单价、最低单价”。

  提示（先自己想，实在想不出再点开）

  一级 · 思路：同一列要多个指标 → 用 agg 传列表 二级 · 方法：df.groupby('产品类别')['单价'].agg(['mean', 'max', 'min']) 三级 · 骨架：如果想再多一列”销售金额合计”，改用 agg 传字典

  参考答案（做完再点开）

  1
  # 2-3
  2
  print(df.groupby('产品类别')['单价'].agg(['mean', 'max', 'min']))
  3
  
  4
  # 扩展：不同列不同聚合
  5
  print(df.groupby('产品类别').agg({'销售数量': 'sum', '销售金额': 'sum', '单价': 'mean'}))