一、字典当分组依据

先写一个映射：张伟→A组、王芳→A组、李娜→B组……四个C组。 df.set_index('姓名').groupby(映射) 就能按这个映射分组。

字典的键是行标签，不是姓名列。所以必须先 set_index('姓名')。 不设行标签，行标签还是 0 到 9，字典的键一个都对不上——结果直接空。

二、Series 当分组依据

pd.Series(组名列表, index=姓名列表)，效果和字典一样。 Series 的好处是能从另一张表的某一列直接造，不用手打字典。 依然要求索引对齐。key 的索引是姓名，表的行标签也得是姓名。

拿原来那张 0 到 9 行号的表去分组，会得到一张空表——一行不剩，还不报错。 这种「静默失败」最难查：不报错、不警告，只是结果什么都没有。

三、三种键的来源

外部键（字典、Series）都要和行标签对齐，这是唯一的要求，也是唯一会出错的地方。 分组前先打一下 index，确认它就是你以为的那个东西。 这句话值得抄在本子上：数据对齐的坑，九成都出在「我以为 index 是姓名」。

四、什么时候真的需要外部键

情况一：分组规则在业务方手里，比如「这几个客户算大客户」。 情况二：分类信息在另一张表，比如「姓名→部门」的对照表。 情况三：要把连续的数值切成分段，比如按分数段分「优良中差」。

第三种用 pd.cut 更省事，它直接按边界切，不用手写映射。

五、动手 Demo：用字典和 Series 分组

先用字典把十个人分成 A、B、C 三组，再用 Series 复现一遍。 最后故意用没对齐的表分组，看它怎么「什么都不给」。

import pandas as pd

N = ["张伟", "王芳", "李娜", "刘洋", "陈静",
     "杨帆", "赵敏", "黄磊", "周涛", "吴霞"]
T = [265, 277, 223, 252, 258, 221, 274, 197, 253, 256]
DF = pd.DataFrame({"姓名": N, "总分": T})

M = {"张伟": "A组", "王芳": "A组", "李娜": "B组", "刘洋": "B组",
     "陈静": "C组", "杨帆": "C组", "赵敏": "A组", "黄磊": "B组",
     "周涛": "C组", "吴霞": "A组"}

print(DF.set_index("姓名").groupby(M)["总分"].mean().round(2).to_string())

KEY = pd.Series(["一班"] * 5 + ["二班"] * 5, index=N)
print(DF.set_index("姓名").groupby(KEY)["总分"].mean().round(2).to_string())

print("没对齐的表分组：%d 行" % len(DF.groupby(KEY)["总分"].mean()))

实跑输出：

--------------------------------------------------------------------
用字典和 Series 分组
--------------------------------------------------------------------

  ① 字典当分组依据
  --------------------------------------------------------------------

| 姓名 | 总分 |
|---|---:|
| A组 | 268.0 |
| B组 | 224.0 |
| C组 | 244.0 |

  字典的键是行标签，值是新组名。groupby 拿字典去查每个标签归哪类。
  所以行标签必须是姓名——不设 set_index，字典一个都对不上。
  ! 字典分组的前提是「索引能对上」。对不上不报错，结果里直接少行。

  ② Series 当分组依据
  --------------------------------------------------------------------

| 组别 | 语文 |
|---|---:|
| 一班 | 86.0 |
| 二班 | 79.4 |

  Series 的索引是姓名、值是组名，效果和字典一样。
  这里必须先 set_index：key 的索引是姓名，表的行标签也得是姓名才对齐。
  拿原来那张 0 到 9 行号的表去分组，会得到一张空表——对不上就一行不剩，还不报错。
  ! 要按「另一张表里的分类」分组，先把那张表的一列传成 Series，索引对齐。

  ③ 按列名分组 vs 按外面传进来的键
  --------------------------------------------------------------------

| 写法 | 分组键从哪来 |
|---|---|
| df.groupby('班级') | 本表的一列 |
| df.groupby(字典) | 外面给的映射 |
| df.groupby(Series) | 外面给的映射，带索引 |
| df.groupby(函数) | 拿行标签过一遍函数 |

  三种外部键都要和行标签对齐。这是唯一的要求，也是唯一会出错的地方。
  ! 分组前先打一下 index，确认它就是你以为的那个东西。

最后一行打出 0 行——表没设 index，KEY 对不上，分组结果直接是空的。 这就是最危险的一种失败：不报错、不警告，只是一个空结果。

30 秒实验

1. 把字典里某个人的组名改掉，看均值怎么变。
2. 把 set_index 去掉再跑一遍，确认结果真的是 0 行。
3. 想一想：如果字典少写了两个人，那两个人的分会去哪？

常见误区

1. 不 set_index 就用字典分组：结果是空的，查半天以为是字典写错。
2. 字典漏了几个人：那几个人被丢掉，结果里没有他们，也不报错。
3. Series 的 index 用了行号：一样对不上，结果空。
4. 把「对不上」当成「没有这一类」：这两件事看起来一样，其实完全不同。

分组是按「类别」切。下一篇按「时间」切：把一列上下挪，看升降。

• ☐ （本篇完，下一篇 4.9 数据移位：shift 与升降比较）

相关笔记

• 分组之后：迭代、agg 与自定义函数
• 数据移位：shift 与升降比较
• groupby：按类聚起来算
• 📊 Python 数据分析 · 索引