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 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）。
df.groupby(['city', 'year'])['sales'].sum().reset_index()
.agg({'sales': 'sum', 'profit': ['mean', 'max']})
apply），扩展性强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。
index（行）、columns（列）、values（数值）和 aggfunc（聚合方式）NaN），可用 fill_value 替换，比手动 unstack 更省心pivot_table(index=['A','B'], columns='C', values=['X','Y'], aggfunc='sum')
判断的关键不是“功能强弱”，而是你想要的结果长什么样：
立即学习“Python免费学习笔记（深入）”；
city → total_sales），用 groupby
pivot_table
groupby + filter 或布尔索引更直接groupby 结果转成透视结构？可以接 .unstack()，但不如 pivot_table 简洁鲁棒底层上，pivot_table 就是先 groupby 再 unstack 的封装。比如：
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。
以上就是Python数据分组统计_pivot_table与groupby实战解析【技巧】的详细内容，更多请关注php中文网其它相关文章！
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。
广告
收藏
收藏
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
679
