Pandas中groupby+agg的两种写法区别小结

牛牛姥

目录

• 一、一个非常真实的使用场景
• 二、第一种写法：很多人最常用，但最容易踩坑
• 三、第二种写法：Pandas 官方推荐（强烈建议）
• 四、两种写法的核心区别对比
• 五、真实项目中的差距会越来越大

在使用 Pandas 做数据统计时，groupby + agg 是绕不开的操作。

但很多人（包括我自己）在实际项目中都会遇到一个问题：

为什么明明只是做个统计，结果 DataFrame 却变成了 MultiIndex，
后面 merge、导 Excel、画图全都开始报错？

追根溯源，问题往往出在：
👉 groupby + agg 的写法选错了

本文结合真实工程经验，详细讲清楚 Pandas 中 agg 的两种常见写法，以及为什么在工程场景下强烈推荐其中一种。

一、一个非常真实的使用场景

假设你在做检测评测统计，有如下数据：

class	part1	TP	FP	FN	GT_count
cow	v01	5	1	0	6
cow	v01	4	0	1	5
dog	v02	3	2	1	4

目标是：

按 class + part1 统计 TP / FP / FN / GT 数量

二、第一种写法：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'}
)

这段代码有问题吗？
没有。

但它返回的结果结构是：

• class 和 part1 变成了 MultiIndex
• 统计结果才是列

也就是说，你拿到的是一张 多级索引 DataFrame。

MultiIndex 在工程中会带来什么问题？

以下问题你大概率都会遇到：

• 导出 Excel 前必须 reset_index()
• 和其他表 merge 时经常报错
• 新同事很难快速理解数据结构
• 后面再算指标时代码变得很别扭

👉 分析阶段还能接受，工程阶段非常痛苦

三、第二种写法：Pandas 官方推荐（强烈建议）

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

返回结果是什么样？

class | part1 | TP | FP | FN | GT

• 分组字段是普通列
• 没有 MultiIndex
• 看起来就是一张“标准统计表”

四、两种写法的核心区别对比

对比点	第一种写法	第二种写法
分组字段位置	Index	普通列
索引类型	MultiIndex	普通 Index
是否需要 reset_index	是	否
列名是否可控	否	是
扩展复杂统计	不优雅	非常自然
工程实用性	较低	很高

五、真实项目中的差距会越来越大

当统计需求升级，比如你还想算：

• 平均置信度
• 唯一 track 数

第一种写法会越来越臃肿：

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

而第二种写法依然清晰：

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'),
)