13 Pandas groupby用法
13.1 引言分组聚合的分析价值
Split-Apply-Combine(分组-应用-合并)是数据分析的核心范式:
- Split: 将数据分为多个组
- Apply: 对每组应用函数
- Combine: 合并结果
金融应用场景:
- 按行业统计股票表现
- 按时间段计算收益率
- 按市场分组分析风险
13.2 本章学习目标
通过本章学习,你将能够:
- 说出 Split–Apply–Combine 范式三步各自的含义,并解释
groupby对象”只分组、不计算”的特点 - 从
list(grouped)的输出观察拆分结果,指出每个组对应原表的哪些行 - 用
mean/agg得到”一组一行”的汇总,用transform得到与原表同形状的结果,用filter做整组去留,用apply承接自定义逻辑 - 根据”要什么形状的输出”在 agg、transform、filter、apply 四种动作中做出选择
- 读懂并改写平台任务中的
groupby(...).transform(lambda ...)组内标准化代码
13.3 从一张销售表理解 groupby(split–apply–combine)
在进入平台任务之前,我们用一张 8 行的营业部销售表把引言中的三步范式”看”清楚:所谓分组,就是把一张长表按某个键切成若干张小表(split),对每张小表做同样的计算(apply),再把结果拼回一张表(combine)。
import pandas as pd # 导入Pandas数据分析库
# ==================== 构造营业部销售明细表 ====================
sales = pd.DataFrame({ # 创建销售明细数据框sales
'营业部': ['华东一部', '华东一部', '华东二部', '华东二部', # 分组键:每笔销售所属营业部
'华北一部', '华北一部', '华北一部', '华南一部'], # 营业部标签的续行
'商品': ['笔记本', '平板', '笔记本', '手机', # 商品名称
'平板', '耳机', '笔记本', '手机'], # 商品名称的续行
'销售额': [12000, 8000, 9000, 15000, 6000, 2000, 11000, 13500], # 销售额(元)
'数量': [24, 40, 18, 30, 30, 50, 22, 27] # 销售数量(件)
})
print('原始销售表(8行明细):') # 打印标题
print(sales) # 输出完整的销售明细表
# ==================== split:按营业部把长表切成若干小表 ====================
grouped = sales.groupby('营业部') # 按营业部分组,得到GroupBy分组对象
print('\nlist(grouped)看到的分组效果——(组名, 子数据框)对:') # 打印标题
print(list(grouped)) # 输出全部(组名,该组子数据框)元组组成的列表
# ==================== 逐组查看切分结果 ====================
for name, group in grouped: # 遍历分组:name是组名,group是该组的子数据框
print(f'\n组名: {name}, 行索引: {list(group.index)}') # 输出组名与该组包含的行号
print(group) # 输出该组的子数据框从 list(grouped) 的输出可以看到,grouped 对象里装的是四张”小表”:每个元素是一个 (组名, 子数据框) 元组——华东一部拿到第 0、1 行,华北一部拿到第 4、5、6 行。这就是 split。groupby 本身不做任何计算,它只记住了”谁和谁是一组”;计算发生在后面的 mean、agg、transform 等动作里。
13.3.1 第一步:用 mean 得到”一组一行”的汇总
import pandas as pd # 导入Pandas数据分析库
# ==================== 重建销售表,使本代码块可独立运行 ====================
sales = pd.DataFrame({ # 重建本章使用的销售明细表
'营业部': ['华东一部', '华东一部', '华东二部', '华东二部', # 分组键:营业部
'华北一部', '华北一部', '华北一部', '华南一部'], # 营业部标签的续行
'商品': ['笔记本', '平板', '笔记本', '手机', '平板', '耳机', '笔记本', '手机'], # 商品名称
'销售额': [12000, 8000, 9000, 15000, 6000, 2000, 11000, 13500], # 销售额(元)
'数量': [24, 40, 18, 30, 30, 50, 22, 27] # 销售数量(件)
})
# ==================== apply+combine:每组求均值,再拼成以组名为索引的新表 ====================
result = sales.groupby('营业部')[['销售额', '数量']].mean() # 先选数值列,再分组求均值
print(result) # 输出:8行明细压缩为4行汇总
print('\n各组包含的明细行数:') # 打印标题
print(sales.groupby('营业部').size()) # size()统计每组的行数(含缺失值)combine 阶段把每组的均值拼成一张以组名为索引的新表:8 行变 4 行。注意这里先选了 [['销售额', '数量']] 两列数值列——对含文本列(商品)的整表直接 mean() 会因无法对字符串求均值而报错。
13.3.2 第二步:用 agg 一次计算多个统计量
import pandas as pd # 导入Pandas数据分析库
# ==================== 重建销售表,使本代码块可独立运行 ====================
sales = pd.DataFrame({ # 重建本章使用的销售明细表
'营业部': ['华东一部', '华东一部', '华东二部', '华东二部', # 分组键:营业部
'华北一部', '华北一部', '华北一部', '华南一部'], # 营业部标签的续行
'商品': ['笔记本', '平板', '笔记本', '手机', '平板', '耳机', '笔记本', '手机'], # 商品名称
'销售额': [12000, 8000, 9000, 15000, 6000, 2000, 11000, 13500], # 销售额(元)
'数量': [24, 40, 18, 30, 30, 50, 22, 27] # 销售数量(件)
})
# ==================== agg接收函数列表,每列同时算多个统计量 ====================
result = sales.groupby('营业部')[['销售额', '数量']].agg(['mean', 'sum']) # 每列同时算均值与合计
print(result) # 输出:列名变为(原列名,统计量)的两层结构均值与合计经常要一起看:均值回答”平均每一单有多大”,合计回答”这个部整体做了多大”。agg 还可以传入 {'销售额': 'sum', '数量': 'mean'} 这样的字典,让不同列用不同统计量。
13.3.3 第三步:用 transform 得到与原表同形状的结果
前两步都在”压缩”数据。但很多业务问题要回答的是每一行:例如”华东一部的笔记本占本部销售额的百分之几”——分子是本行的销售额,分母是本部的销售额合计。用 agg 得到的是每部一个合计数,长度只有 4,无法直接贴回 8 行明细;而 transform 返回与原列同样长度的结果,索引与原表对齐,可以直接作为新列并回原表。
import pandas as pd # 导入Pandas数据分析库
# ==================== 重建销售表,使本代码块可独立运行 ====================
sales = pd.DataFrame({ # 重建本章使用的销售明细表
'营业部': ['华东一部', '华东一部', '华东二部', '华东二部', # 分组键:营业部
'华北一部', '华北一部', '华北一部', '华南一部'], # 营业部标签的续行
'商品': ['笔记本', '平板', '笔记本', '手机', '平板', '耳机', '笔记本', '手机'], # 商品名称
'销售额': [12000, 8000, 9000, 15000, 6000, 2000, 11000, 13500], # 销售额(元)
'数量': [24, 40, 18, 30, 30, 50, 22, 27] # 销售数量(件)
})
# ==================== 先定义具名函数,再交给transform ====================
def calc_share(x): # 定义具名函数:x依次是每个营业部的销售额列
return x / x.sum() # 每行销售额除以本组销售额合计,得到组内占比
sales['组内占比'] = sales.groupby('营业部')['销售额'].transform(calc_share) # 输出与原表同长度
print(sales[['营业部', '商品', '销售额', '组内占比']]) # 查看每行的组内占比
print('\n等价的lambda匿名函数写法:') # 打印标题
print(sales.groupby('营业部')['销售额'].transform(lambda x: x / x.sum()).round(4)) # 匿名函数版本calc_share 与 lambda x: x / x.sum() 完全等价。逻辑简单时用 lambda 更紧凑;逻辑较复杂、或需要在多处复用时,具名函数更清晰可读。这一步也正是平台任务中 transform(lambda x: (x - x.mean()) / x.std()) 组内标准化的原型:两者都是”每行的值,除以/减去本组的统计量”。
13.3.4 第四步:用 filter 按整组去留筛选
第三个常见需求是”整组保留或整组丢弃”:例如公司只分析合计销售额达到一定规模的营业部。filter 对每组调用一个返回 True/False 的函数,返回 True 的组的全部明细行被保留。
import pandas as pd # 导入Pandas数据分析库
# ==================== 重建销售表,使本代码块可独立运行 ====================
sales = pd.DataFrame({ # 重建本章使用的销售明细表
'营业部': ['华东一部', '华东一部', '华东二部', '华东二部', # 分组键:营业部
'华北一部', '华北一部', '华北一部', '华南一部'], # 营业部标签的续行
'商品': ['笔记本', '平板', '笔记本', '手机', '平板', '耳机', '笔记本', '手机'], # 商品名称
'销售额': [12000, 8000, 9000, 15000, 6000, 2000, 11000, 13500], # 销售额(元)
'数量': [24, 40, 18, 30, 30, 50, 22, 27] # 销售数量(件)
})
# ==================== 先定义具名函数,再交给filter ====================
def sales_over_threshold(group, threshold=15000): # 定义具名函数:对整组做去留判断
return group['销售额'].sum() > threshold # 本组销售额合计超过阈值则返回True
kept = sales.groupby('营业部').filter(sales_over_threshold) # 只保留返回True的组的全部明细
print(kept[['营业部', '商品', '销售额']]) # 华南一部合计13500元未达标,整组被剔除注意 filter 与布尔行筛选的区别:sales[sales['销售额'] > 10000] 丢掉的是不满足条件的行,而 filter 丢掉的是不满足条件的组——华南一部的手机单件销售额 13500 元虽然很高,但整组合计未达阈值,连这一行也一并出局。
13.3.5 第五步:用 apply 承接自定义逻辑
当需求既不是逐组汇总、也不是同形状变换、也不是整组筛选,而是”每组返回一个任意结构的结果”时,用 apply。例如找出每个营业部销售额最高的那件商品:每组返回一行,但这一行怎么挑,由我们自己写的函数决定。
import pandas as pd # 导入Pandas数据分析库
# ==================== 重建销售表,使本代码块可独立运行 ====================
sales = pd.DataFrame({ # 重建本章使用的销售明细表
'营业部': ['华东一部', '华东一部', '华东二部', '华东二部', # 分组键:营业部
'华北一部', '华北一部', '华北一部', '华南一部'], # 营业部标签的续行
'商品': ['笔记本', '平板', '笔记本', '手机', '平板', '耳机', '笔记本', '手机'], # 商品名称
'销售额': [12000, 8000, 9000, 15000, 6000, 2000, 11000, 13500], # 销售额(元)
'数量': [24, 40, 18, 30, 30, 50, 22, 27] # 销售数量(件)
})
# ==================== 先定义具名函数,再交给apply ====================
def top_sales_row(group): # 定义具名函数:返回组内销售额最高的那一行
return group.loc[group['销售额'].idxmax()] # idxmax()给出最大值行号,loc取整行
result = sales.groupby('营业部')[['商品', '销售额', '数量']].apply(top_sales_row) # 每组返回一行
print(result) # 输出:各营业部的王牌商品,行索引是营业部名这里先选取 [['商品', '销售额', '数量']] 再 apply,把分组列排除在外,结果更干净;若对含分组列的整表直接 apply,新版 pandas 会提示”对分组列进行操作已弃用”的警告。
13.3.6 四种动作的对照表
| 方法 | 输入 | 输出形状 | 典型场景 |
|---|---|---|---|
agg(含 mean/sum 等) |
每组的一列或多列 | 每组一行,组名成为索引 | 各营业部平均销售额、合计销售额 |
transform |
每组的一列 | 与原列同形状,索引与原表对齐 | 组内占比、组内标准化、把组统计量贴回明细 |
filter |
每组的完整子数据框 | 原表的子集,整组保留或整组丢弃 | 只保留合计销售额超阈值的营业部 |
apply |
每组的完整子数据框 | 由函数返回值决定(每组一行、一个值或任意结构) | 取每组最优商品行等自定义逻辑 |
记住这张表的”输出形状”一列,平台任务里 grouped.transform(lambda x: ...) 的输出为什么是 6 行而不是 2 行,答案就显而易见了:transform 永远与原表同形状。
13.4 groupby基础
任务要求:给定 6 行、含 A(分组标签)、B、C、D 四列的数据框,按 A 列分组并选取 C、D 两列,用 transform 配合匿名函数 lambda x: (x - x.mean()) / x.std() 做组内标准化,输出与原表同形状的结果。请将代码原样输入教学平台(注释除外),判定以平台为准。
# ⚠️ 平台原始代码 - 请原样输入至教学平台（注释除外），平台才会判定答案正确
import pandas as pd # 导入Pandas数据分析库
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar', # 创建数据框df
'foo', 'bar'], # A列分组标签的续行数据
'B' : ['one', 'one', 'two', 'three', # "B"的数据序列
'two', 'two'], # B列分组标签的续行数据
'C' : [1, 5, 5, 2, 5, 5], # "C"的数据序列
'D' : [2.0, 5., 8., 1., 2., 9.]}) # "D"的数据序列
grouped = df.groupby('A')[['C', 'D']] # 按指定列分组聚合
result=grouped.transform(lambda x: (x - x.mean()) / x.std()) # 定义匿名函数result
print(result) # 输出分析结果数据预期输出(本机 Python 实际运行结果,具体以平台运行结果为准):
C D
0 -1.154701 -0.577350
1 0.577350 0.000000
2 0.577350 1.154701
3 -1.154701 -1.000000
4 0.577350 -0.577350
5 0.577350 1.000000输出为 6 行(与原表同形状)而不是 2 行(组数),这正是 transform 的标志:每行的标准化都以其所在组的均值和标准差为基准,组内均值被消为 0、组内标准差被缩放为 1。
13.5 聚合函数(Aggregation)
# =============================================================================
# 题目：分组聚合统计
# =============================================================================
# 本示例演示对分组数据应用常用聚合函数
# 金融应用:计算每只股票的平均收益率、每行业的总市值等
# ==================== 选择特定列分组 ====================
# 只对C、D两列进行分组聚合(排除不需要的列)
grouped = df.groupby('A')[['C', 'D']] # 双重索引选择特定列
# ==================== 应用聚合函数 ====================
# 计算每组的均值
print("均值:")
print(grouped.mean()) # mean()返回每组的平均值,NaN会被自动忽略
# 计算每组的总和
print(f"\n求和:")
print(grouped.sum()) # sum()返回每组的总和
# 计算每组的非缺失值计数
print(f"\n计数:")
print(grouped.count()) # count()统计每组的非空值数量
# 计算每组的标准差
print(f"\n标准差:")
print(grouped.std()) # std()计算标准差,衡量数据波动性
# ==================== 同时应用多个聚合函数 ====================
# 对每列应用多个统计函数
print(f"\n自定义统计:")
print(grouped.agg(['mean', 'std', 'min', 'max']))
# agg()可接收函数列表,同时计算均值、标准差、最小值、最大值13.6 transform转换操作
transform返回与原数据相同形状的结果。
# =============================================================================
# 题目：分组标准化转换
# =============================================================================
# 本示例演示使用transform进行组内标准化
# 金融应用:消除不同股票的价格量纲差异,便于比较
# ==================== 标准化转换 ====================
# 标准化公式: (x - mean) / std
# 将每组数据转换为均值为0、标准差为1的分布
result = grouped.transform(lambda x: (x - x.mean()) / x.std())
# transform()对每组应用函数,返回与原数据形状相同的DataFrame
# lambda x是匿名函数,x代表每组的数据
print("标准化结果:")
print(result) # 输出:原数据被标准化,但形状保持不变
# ==================== 验证标准化结果 ====================
# 验证:每组的均值应约等于0,标准差应约等于1
print(f"\n验证-每组均值:")
print(result.groupby(df['A']).mean())
# 对标准化后的数据再分组计算均值,应接近0
print(f"\n验证-每组标准差:")
print(result.groupby(df['A']).std())
# 对标准化后的数据再分组计算标准差,应接近1金融应用: 组内标准化,消除组间差异
13.7 filter过滤分组
# =============================================================================
# 题目：按条件过滤分组
# =============================================================================
# 本示例演示如何基于组的统计特征过滤整个组
# 金融应用:筛选出交易量活跃的股票、过滤掉小客户群体
# ==================== 过滤分组 ====================
# 保留C列均值>3的整个组(不是过滤行,是过滤组)
filtered = df.groupby('A').filter(lambda x: x['C'].mean() > 3)
# filter()对每组应用条件函数,返回满足条件的组的所有行
# 逻辑:如果某组的C列平均值>3,则保留该组的所有数据
print("过滤后的数据:")
print(filtered) # 输出:只包含C列均值>3的组的数据13.8 apply灵活应用
# =============================================================================
# 题目：对每组应用复杂自定义函数
# =============================================================================
# 本示例演示使用apply实现灵活的分组操作
# 金融应用:找出每只股票价格最高的交易日、计算每组的复合增长率等
# ==================== 定义自定义函数 ====================
# 自定义函数:找出每组D列最大的行
def get_max_row(group):
"""找出分组中D列最大的行"""
return group.loc[group['D'].idxmax()]
# group是每组的完整DataFrame
# idxmax()返回D列最大值的索引(行号)
# loc[]根据索引定位整行数据
# ==================== 对每组应用自定义函数 ====================
result = df.groupby('A').apply(get_max_row)
# apply()对每组应用自定义函数,可返回任意结构的DataFrame
print("每组D列最大的行:")
print(result) # 输出:每个组中D列最大的那一行数据13.9 本章小结
要点:
groupby只完成 split,计算由后续动作触发;组名自动成为结果的新索引agg/mean输出一组一行;transform输出与原表同形状;filter按整组去留返回子集;apply最灵活- 对含文本列的整表直接
mean()会报错,应先用[['列名', ...]]选取数值列 - 平台任务的
(x - x.mean()) / x.std()组内标准化是 transform 的典型用法
易错点:
- 期望”每组一行”却用了
transform,或期望”贴回明细”却用了agg,输出形状立刻不对 filter筛的是”组”不是”行”:结果与布尔行筛选df[df['C'] > 3]结构不同groupby('A')[['C', 'D']]得到数据框分组、groupby('A')['C']得到序列分组,可用的后续方法不同- 对含分组列的整表直接
apply在新版 pandas 会触发弃用警告,先选列再apply更稳妥
13.10 动手与思考
以下练习每题附参考答案(默认折叠)。请先独立完成并写下你的判断,再点开对照,最后上机验证。
输出预测:不运行代码,先写出下面代码的输出结果,再上机检验你的判断。
import pandas as pd sales = pd.DataFrame({'营业部': ['甲', '甲', '乙', '乙'], '销售额': [100, 300, 200, 600]}) print(sales.groupby('营业部')['销售额'].sum()) print(sales.groupby('营业部')['销售额'].transform('sum')) print(sales.groupby('营业部').filter(lambda g: g['销售额'].sum() > 400))参考答案（先写下你的预测再点开）
解题思路：逐行推演。第 1 行
sum()：聚合动作，每组压成一个数——甲组 100+300=400，乙组 200+600=800；输出长度等于组数（2 行），组名成为新索引，且组名按编码排序（“乙”排在“甲”前）。第 2 行transform('sum')：把每组的合计贴回组内每一行，输出与原列同长度（4 行）、索引与原表对齐——前两行都是甲组合计 400，后两行都是乙组合计 800。第 3 行filter：对每组调用判断函数，返回True的组的全部明细行被保留——甲组合计 400 不大于 400，整组出局；乙组 800 大于 400，两行明细都保留。三行代码正好对应“一组一行、同形状贴回、整组去留”三种输出形状。# 验证脚本：逐行输出三种分组动作的结果 import pandas as pd # 导入Pandas库 sales = pd.DataFrame({'营业部': ['甲', '甲', '乙', '乙'], '销售额': [100, 300, 200, 600]}) # 4行两组的小销售表 print(sales.groupby('营业部')['销售额'].sum()) # 聚合：每组一个合计，组名为索引 print(sales.groupby('营业部')['销售额'].transform('sum')) # 变换：组合计贴回每行，与原表同长度 print(sales.groupby('营业部').filter(lambda g: g['销售额'].sum() > 400)) # 过滤：合计超400的组整组保留预期输出（本机 peter 环境实际运行结果，具体以平台运行结果为准）：
营业部 乙 800 甲 400 Name: 销售额, dtype: int64 0 400 1 400 2 800 3 800 Name: 销售额, dtype: int64 营业部 销售额 2 乙 200 3 乙 600回扣本章：对应本章小结“要点”第 2 条——
agg/mean输出一组一行，transform输出与原表同形状，filter按整组去留返回子集。概念辨析:同一列数据,
agg('sum')与transform('sum')的输出形状与索引有何不同?各自适合回答什么业务问题?groupby('A')['C']与groupby('A')[['C']]的差别又是什么?参考答案（点开前请先独立完成）
解题思路：逐点作答。第一，
agg('sum')输出长度等于组数，索引是组名，回答的是“每组的汇总指标是多少”，如各营业部合计销售额；transform('sum')输出与原列同长度、索引与原表对齐（每行填的是它所在组的合计），回答的是“每一行相对本组是什么水平”，典型用法是把组统计量贴回明细后再算组内占比、与组均值的差。第 1 题的前两行输出就是两者的直观对照：一个 2 行、一个 4 行。第二，groupby('A')['C']选单列，得到序列分组（SeriesGroupBy），后续agg/transform返回 Series；groupby('A')[['C']]选单列的列表，得到数据框分组（DataFrameGroupBy），后续agg/transform返回单列的 DataFrame。两者数值相同，但返回对象类型和可用的后续方法不同——需要把结果作为新列并回原表时，序列分组配transform最直接；需要对多列同时分组计算时，用数据框分组。回扣本章：对应本章小结“要点”第 2 条与“易错点”第 3 条——
groupby('A')[['C', 'D']]得到数据框分组、groupby('A')['C']得到序列分组，可用的后续方法不同。变式任务:在本章 8 行销售表上计算各营业部的”件均销售额”(合计销售额除以合计数量),分别用”
agg求出两个合计后再相除”与”apply返回一个pd.Series“两种方式实现,比较两种写法。参考答案（点开前请先独立完成）
解题思路：件均销售额 = 组内销售额合计 ÷ 组内数量合计，注意先分别合计再相除，不等于“每行销售额除以数量再平均”。方式一（agg 路线）：
groupby('营业部')[['销售额', '数量']].agg('sum')一次得到两个合计列，然后两个 Series 相除——pandas 按营业部索引自动对齐。方式二（apply 路线）：定义一个接收组子表的函数，在函数内部完成“两个合计相除”并返回一个pd.Series，交给apply逐组调用；先选列再apply，避开新版 pandas 对分组列操作的弃用警告。两种写法结果完全一致；方式一直白、适合“汇总后再派生指标”，方式二把任意复杂逻辑封装进函数、适合每组要做多步计算的场景。# 变式程序：两种方式计算各营业部件均销售额（销售表数据同 @lst-ch13-sales-table） import pandas as pd # 导入Pandas库 sales = pd.DataFrame({ # 重建本章8行销售表 '营业部': ['华东一部', '华东一部', '华东二部', '华东二部', '华北一部', '华北一部', '华北一部', '华南一部'], '商品': ['笔记本', '平板', '笔记本', '手机', '平板', '耳机', '笔记本', '手机'], '销售额': [12000, 8000, 9000, 15000, 6000, 2000, 11000, 13500], '数量': [24, 40, 18, 30, 30, 50, 22, 27] }) group_totals = sales.groupby('营业部')[['销售额', '数量']].agg('sum') # 方式一第1步：分组一次求出两个合计 per_item_agg = group_totals['销售额'] / group_totals['数量'] # 方式一第2步：合计销售额除以合计数量 def calc_per_item(group): # 方式二：对每组返回一个pd.Series return pd.Series(group['销售额'].sum() / group['数量'].sum(), index=['件均销售额']) # 组内两个合计相除 per_item_apply = sales.groupby('营业部')[['销售额', '数量']].apply(calc_per_item) # 先选列再apply，避开对分组列操作的弃用警告 print(per_item_agg) # 输出方式一结果 print(per_item_apply) # 输出方式二结果预期输出（本机 peter 环境实际运行结果，具体以平台运行结果为准）：
营业部 华东一部 312.50000 华东二部 500.00000 华北一部 186.27451 华南一部 500.00000 dtype: float64 件均销售额 营业部 华东一部 312.50000 华东二部 500.00000 华北一部 186.27451 华南一部 500.00000注意：以上为本题变式的独立代码；平台任务 列表 13.7 对应的原始代码块仍须原样输入教学平台，不要用本变式替换。
回扣本章：对应本章小结“要点”第 2 条与“易错点”第 4 条——
agg一组一行适合汇总派生，apply最灵活；先选列再apply可避开新版 pandas 的弃用警告。动手验证:把销售表中任意一个销售额改为缺失值,分别运行
sales.groupby('营业部').size()与sales.groupby('营业部').count(),解释两者计数结果的差异。参考答案（点开前请先独立完成）
解题思路：把华东一部的第 1 笔销售额（12000）改为缺失值后对照两种计数。
size()数的是行数：只要这行存在就计数，缺失值也计入——华东一部仍是 2。count()数的是每列的非缺失值个数：逐列统计，华东一部的销售额列只剩 1 个非缺失值（另 1 笔是 NaN），商品列、数量列仍各是 2。因此差异集中体现在含缺失值的那一列上：诊断“每组有多少条记录”用size()，诊断“每列有效数据有多少”用count()。# 验证脚本：对比size与count的计数口径 import pandas as pd # 导入Pandas库 sales = pd.DataFrame({ # 重建本章8行销售表 '营业部': ['华东一部', '华东一部', '华东二部', '华东二部', '华北一部', '华北一部', '华北一部', '华南一部'], '商品': ['笔记本', '平板', '笔记本', '手机', '平板', '耳机', '笔记本', '手机'], '销售额': [12000, 8000, 9000, 15000, 6000, 2000, 11000, 13500], '数量': [24, 40, 18, 30, 30, 50, 22, 27] }) sales.loc[0, '销售额'] = None # 把华东一部第1笔销售额改为缺失值 print(sales.groupby('营业部').size()) # size()统计每组的行数，缺失值也计入 print(sales.groupby('营业部').count()) # count()逐列统计每组的非缺失值个数预期输出（本机 peter 环境实际运行结果，具体以平台运行结果为准）：
营业部 华东一部 2 华东二部 2 华北一部 3 华南一部 1 dtype: int64 商品 销售额 数量 营业部 华东一部 2 1 2 华东二部 2 2 2 华北一部 3 3 3 华南一部 1 1 1回扣本章：对应 列表 13.2 中“各组包含的明细行数”的观察——
size()数行（含缺失），count()逐列数非缺失值；缺失值的系统处理见第 章节 16 章。