groupby trong pandas (pandas groupby): gom nhóm và tính tổng
Bài 1/13 · Chương 5
GroupBy, map và apply
- 8 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 12
Hàm groupby() của pandas gom các dòng có cùng giá trị ở một cột vào chung một nhóm, để bạn nhận về một con số riêng cho mỗi nhóm. Bạn cần nó mỗi khi câu hỏi có chữ "theo": doanh thu theo kênh bán, số đơn theo tỉnh, chi tiêu theo hình thức trả tiền.
Cần biết trước: value_counts(), thống kê một cột và gom nhóm bằng dict.
Chia bảng thành nhóm rồi tính tổng
Ba chi nhánh của một chuỗi quán cà phê gửi doanh thu từng ca về một bảng chung. Chủ quán muốn biết mỗi chi nhánh làm ra bao nhiêu:
import pandas as pd
ban = pd.DataFrame({
"chi_nhanh": ["Huế", "Đà Lạt", "Hà Nội", "Huế", "Hà Nội",
"Đà Lạt", "Huế", "Hà Nội"],
"doanh_thu": [450000, 380000, 620000, 510000, 700000,
290000, 480000, 560000],
})
tong = ban.groupby("chi_nhanh")["doanh_thu"].sum()
print(tong)KẾT QUẢ
chi_nhanh
Huế 1440000
Hà Nội 1880000
Đà Lạt 670000
Name: doanh_thu, dtype: int64Câu lệnh có ba phần: groupby("chi_nhanh") nói chia theo gì, ["doanh_thu"] nói lấy cột nào, .sum() nói tính gì trên mỗi phần. Cách làm này có tên tiếng Anh là split-apply-combine (tách, áp, gộp). Hình dung một chồng hóa đơn được chia vào ba phong bì theo tên chi nhánh, mỗi phong bì cộng riêng, rồi ba tổng được chép lên một tờ giấy. Bài Python về gom nhóm bằng dict làm đúng việc này bằng một vòng lặp, còn groupby() làm trong một dòng.
Đổi sum() thành max() rồi chạy lại: dòng Huế in 510000, ca cao nhất của chi nhánh Huế.
Kết quả là Series có index là các nhóm
Gom theo một cột và tính trên một cột thì pandas trả một Series. Tên các chi nhánh không còn là giá trị trong bảng mà thành nhãn dòng của Series đó, mỗi chi nhánh một nhãn, còn chữ chi_nhanh lui về làm tên của index:
import pandas as pd
ban = pd.DataFrame({
"chi_nhanh": ["Huế", "Đà Lạt", "Hà Nội", "Huế", "Hà Nội",
"Đà Lạt", "Huế", "Hà Nội"],
"doanh_thu": [450000, 380000, 620000, 510000, 700000,
290000, 480000, 560000],
})
tong = ban.groupby("chi_nhanh")["doanh_thu"].sum()
print(type(tong).__name__, tong.index.to_list())
print(tong["Huế"])
print(tong.sort_values(ascending=False).to_dict())KẾT QUẢ
Series ['Huế', 'Hà Nội', 'Đà Lạt']
1440000
{'Hà Nội': 1880000, 'Huế': 1440000, 'Đà Lạt': 670000}Vì tên chi nhánh đã thành nhãn của index, tong["Huế"] lấy tổng của Huế như tra một dict. Các nhóm được sắp theo mã ký tự: chữ Đ có mã lớn hơn mọi chữ cái không dấu nên Đà Lạt đứng cuối, dù trong bảng nó xuất hiện thứ hai. Muốn xếp theo con số thì gọi sort_values() trên kết quả, như dòng in cuối. to_dict() chỉ để in gọn một Series trên một dòng.
Đếm dòng bằng size() và count()
Hai cách đếm sau groupby() cho hai con số khác nhau khi bảng có ô trống. size() đếm số dòng của mỗi nhóm. count() gọi trên một cột thì đếm số ô có giá trị của cột đó, bỏ qua ô trống. Bảng phiếu khảo sát dưới đây có vài khách không chấm điểm (None thành ô trống NaN khi dựng bảng):
import pandas as pd
phieu = pd.DataFrame({
"chi_nhanh": ["Huế", "Đà Lạt", "Huế", "Hà Nội", "Đà Lạt",
"Huế", "Hà Nội", "Đà Lạt"],
"diem": [5, None, 4, 3, 5, None, None, 4],
})
theo_cn = phieu.groupby("chi_nhanh")
print(theo_cn.size().to_dict())
print(theo_cn["diem"].count().to_dict())
print(theo_cn["diem"].mean().to_dict())KẾT QUẢ
{'Huế': 3, 'Hà Nội': 2, 'Đà Lạt': 3}
{'Huế': 2, 'Hà Nội': 1, 'Đà Lạt': 2}
{'Huế': 4.5, 'Hà Nội': 3.0, 'Đà Lạt': 4.5}Huế phát ba phiếu nhưng chỉ hai phiếu có điểm. mean() cũng bỏ qua ô trống: điểm trung bình của Huế là (5 + 4) / 2, không chia cho ba. Biến theo_cn giữ phép chia nhóm, nên bạn gọi nhiều phép tính trên nó mà không phải viết lại groupby().
Trên file don_hang.csv của bộ dữ liệu thực hành, size() cho số đơn của mỗi kênh bán:
import pandas as pd
don = pd.read_csv("don_hang.csv")
print(don.groupby("kenh").size())KẾT QUẢ
kenh
Cửa hàng 173
Mạng xã hội 115
Sàn TMĐT 376
Website 464
Ứng dụng 398
dtype: int64Con số giống don["kenh"].value_counts(), chỉ khác thứ tự: value_counts() xếp nhóm đông nhất lên đầu, groupby() xếp theo tên nhóm.
Gom nhóm trên file đơn hàng và chi tiêu
Bảng đơn hàng ghi số lượng và đơn giá, nên doanh thu của mỗi đơn là tích hai cột. Tính cột đó trước, rồi gom theo kênh và quy về triệu đồng cho dễ đọc:
import pandas as pd
don = pd.read_csv("don_hang.csv")
don["doanh_thu"] = don["so_luong"] * don["don_gia"]
trieu = don.groupby("kenh")["doanh_thu"].sum() / 1_000_000
print(trieu.round(1).sort_values(ascending=False))KẾT QUẢ
kenh
Website 84.6
Ứng dụng 64.6
Sàn TMĐT 61.6
Cửa hàng 31.7
Mạng xã hội 19.3
Name: doanh_thu, dtype: float64Website dẫn đầu với 84,6 triệu đồng trong 18 tháng. Phép chia cho 1_000_000 áp lên cả Series sau khi gộp, như khi tính trên một cột thường.
Sau groupby(), các phép thống kê một cột đều dùng được: sum(), mean(), median(), max(). File chi_tieu.csv ghi chi tiêu một năm của một người; trung vị theo hình thức trả tiền cho thấy khoản nào thường trả bằng gì:
import pandas as pd
chi_tieu = pd.read_csv("chi_tieu.csv")
theo_hinh_thuc = chi_tieu.groupby("hinh_thuc")["so_tien"]
print(theo_hinh_thuc.median())
print(theo_hinh_thuc.max().to_dict())KẾT QUẢ
hinh_thuc
Chuyển khoản 294000.0
Thẻ 397500.0
Tiền mặt 43000.0
Ví điện tử 46500.0
Name: so_tien, dtype: float64
{'Chuyển khoản': 4500000, 'Thẻ': 3523000, 'Tiền mặt': 1372000, 'Ví điện tử': 1003000}Khoản trả tiền mặt điển hình chỉ 43.000 đ, còn khoản chuyển khoản lớn nhất là tiền nhà 4.500.000 đ.
Kiểm tra nhanh
Sau
import pandas as pd,pd.DataFrame({"cn": ["Huế", "Đà Lạt", "Huế"], "x": [3, 5, 4]}).groupby("cn")["x"].sum().to_list()cho kết quả gì?[5, 7][7, 5][3, 5, 4][7, 5, 7]
Trong ví dụ bẫy đọc cột nhóm,
tong["chi_nhanh"]báo lỗi gì?- Báo lỗi
KeyError, vìchi_nhanhchỉ còn là tên index củatong - Báo lỗi
AttributeError - Báo lỗi
TypeError
- Báo lỗi
Trong ví dụ phiếu khảo sát, những câu nào đúng về nhóm Hà Nội?
size()cho 2count()trên cộtdiemcho 2count()trên cộtdiemcho 1mean()củadiemchia tổng điểm cho 2
Về kết quả của
don.groupby("kenh")["doanh_thu"].sum()trong bài, những câu nào đúng?- Đó là một Series
- Index có tên
kenh - Có một dòng cho mỗi đơn hàng
- Index xếp theo tên kênh, chưa theo doanh thu
Bài tập
Tính tỉ lệ nộp bài của mỗi lớp
Một trung tâm ghi bài nộp vào bảng bai có hai cột: lop (tên lớp) và diem (điểm của bài, ô trống khi học viên chưa nộp). Viết thân hàm ti_le_nop_bai(bai): với mỗi lớp, tính tỉ lệ dòng có điểm trên tổng số dòng của lớp đó.
Lớp chưa ai nộp vẫn có mặt, với tỉ lệ
0.0.Index của kết quả là tên lớp, theo thứ tự
groupby()cho; tên Series không chấm.
Hàm không sửa bảng bai của nơi gọi.
Trả về: tỉ lệ nộp bài của mỗi lớp, một Series.
import pandas as pd
def ti_le_nop_bai(bai):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
df.groupby("cot")["x"].sum()chia bảng theocot, cộng cộtxcủa từng nhóm, gộp thành một Series.Kết quả có một dòng cho mỗi nhóm; index là các giá trị của cột nhóm, xếp theo mã ký tự.
Cột nhóm thành index nên
kq["cot"]báoKeyError; tra một nhóm bằng nhãn nhưkq["Huế"].size()đếm dòng của mỗi nhóm;count()trên một cột đếm ô có giá trị, bỏ qua ô trống.Sau
groupby()dùng đượcsum(),mean(),median(),max(); xếp theo con số bằngsort_values().
Câu hỏi thường gặp
Hàm groupby trong pandas khác value_counts() ở đâu?
value_counts() chỉ đếm số lần mỗi giá trị xuất hiện, còn groupby() tính được các phép thống kê trên một cột khác theo nhóm: tổng, trung bình, lớn nhất. Khi chỉ cần đếm, hai cách cho cùng số, chỉ khác thứ tự dòng. Bài value_counts() dạy cách đếm và tỉ lệ phần trăm.
Làm sao groupby theo hai cột cùng lúc?
Truyền một list tên cột: don.groupby(["kenh", "trang_thai"]). Kết quả có index hai tầng, mỗi nhóm là một cặp giá trị. Bài groupby nhiều cột dạy cách đọc index đó và cách nhận lại một bảng phẳng.
Muốn tính nhiều hàm như tổng và trung bình trong một lần gom thì viết thế nào?
Dùng agg() sau groupby(), ví dụ don.groupby("kenh")["doanh_thu"].agg(["sum", "mean"]), để có một bảng mỗi hàm một cột. Cách đặt tên cho từng cột kết quả nằm ở bài agg().
df groupby có làm thay đổi bảng gốc không?
Không. groupby() chỉ đọc bảng và trả kết quả mới; bảng don giữ nguyên số dòng và các cột. Muốn đặt tổng của nhóm cạnh từng dòng của bảng gốc thì dùng transform() rồi gán vào một cột mới.
Chủ đề
Dữ liệu của bài
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.