Bỏ qua đến nội dung chính
Mục lục

groupby nhiều cột trong pandas (groupby multiple columns)

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 2/13 · Chương 5

GroupBy, map và apply

  • 7 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Gom nhóm bằng groupby nhiều cột trong pandas (pandas groupby multiple columns) là truyền cho groupby() một list tên cột, để mỗi nhóm là một cặp giá trị như kênh bán và danh mục. Bạn dùng nó khi một chiều chưa đủ trả lời câu hỏi, ví dụ "danh mục nào bán chạy trên Website nhưng ế trên ứng dụng".

Cần biết trước: groupby() và set_index(), reset_index().

Gom theo hai cột bằng một list

Bảng dưới là tám đơn của hai kênh bán, mỗi đơn thuộc một danh mục. Gom theo cả kenh lẫn danh_muc thì mỗi nhóm là một cặp (kênh, danh mục):

python
import pandas as pd

don = pd.DataFrame({
    "kenh": ["Website", "Ứng dụng", "Website", "Website",
             "Ứng dụng", "Website", "Ứng dụng", "Ứng dụng"],
    "danh_muc": ["Gia dụng", "Cà phê & trà", "Cà phê & trà",
                 "Gia dụng", "Cà phê & trà", "Văn phòng phẩm",
                 "Gia dụng", "Cà phê & trà"],
    "doanh_thu": [320000, 165000, 290000, 410000, 120000,
                  45000, 250000, 85000],
})
kq = don.groupby(["kenh", "danh_muc"])["doanh_thu"].sum()
print(kq)
print(kq.index.names, kq.index[0])

KẾT QUẢ

kenh      danh_muc      
Website   Cà phê & trà      290000
          Gia dụng          730000
          Văn phòng phẩm     45000
Ứng dụng  Cà phê & trà      370000
          Gia dụng          250000
Name: doanh_thu, dtype: int64
['kenh', 'danh_muc'] ('Website', 'Cà phê & trà')

Tám đơn rút lại còn năm dòng, đúng bằng số cặp có ít nhất một đơn. Ứng dụng không bán văn phòng phẩm nên không có dòng cho cặp đó: groupby() chỉ tạo nhóm từ các cặp thật sự xuất hiện trong bảng, không tự điền số 0. Các dòng xếp theo cột đầu của list, rồi theo cột thứ hai trong từng giá trị của cột đầu.

Đọc kết quả có index hai tầng

Kết quả trên là một Series có index hai tầng: tầng ngoài là kênh, tầng trong là danh mục. Dòng in cuối của ví dụ cho thấy hai điều. index.names là list tên hai tầng, lấy từ tên hai cột nhóm. Nhãn của một dòng là một tuple hai phần tử, như ('Website', 'Cà phê & trà'), giống khóa tuple của dict trong bài gom nhóm bằng dict.

pandas in tầng ngoài một lần cho cả khối dòng cùng kênh, để bảng dễ đọc như một báo cáo có tiêu đề nhóm. Đổi thứ tự trong list thì tầng ngoài đổi theo:

python
import pandas as pd

don = pd.DataFrame({
    "kenh": ["Website", "Ứng dụng", "Website", "Website",
             "Ứng dụng", "Website", "Ứng dụng", "Ứng dụng"],
    "danh_muc": ["Gia dụng", "Cà phê & trà", "Cà phê & trà",
                 "Gia dụng", "Cà phê & trà", "Văn phòng phẩm",
                 "Gia dụng", "Cà phê & trà"],
    "doanh_thu": [320000, 165000, 290000, 410000, 120000,
                  45000, 250000, 85000],
})
dao = don.groupby(["danh_muc", "kenh"])["doanh_thu"].sum()
print(dao.head(3))

KẾT QUẢ

danh_muc      kenh    
Cà phê & trà  Website     290000
              Ứng dụng    370000
Gia dụng      Website     730000
Name: doanh_thu, dtype: int64

Các con số không đổi, chỉ cách xếp đổi: bây giờ mỗi danh mục là một khối, hai kênh nằm bên trong. Chọn cột đứng đầu list theo câu hỏi bạn sẽ đọc kết quả: so danh mục trong từng kênh thì kenh đứng trước. Cách chọn dòng, đổi tầng trên index hai tầng nằm ở bài MultiIndex.

Nhận bảng phẳng bằng as_index=False

Index hai tầng hợp để đọc, nhưng khi cần ghi ra file, lọc theo cột hay ghép với bảng khác, bạn muốn một bảng phẳng: các cột nhóm là cột thường, index đánh số từ 0. Thêm as_index=False vào groupby() để có ngay bảng đó:

python
import pandas as pd

don = pd.DataFrame({
    "kenh": ["Website", "Ứng dụng", "Website", "Website",
             "Ứng dụng", "Website", "Ứng dụng", "Ứng dụng"],
    "danh_muc": ["Gia dụng", "Cà phê & trà", "Cà phê & trà",
                 "Gia dụng", "Cà phê & trà", "Văn phòng phẩm",
                 "Gia dụng", "Cà phê & trà"],
    "doanh_thu": [320000, 165000, 290000, 410000, 120000,
                  45000, 250000, 85000],
})
k = ["kenh", "danh_muc"]
phang = don.groupby(k, as_index=False)["doanh_thu"].sum()
print(phang)
print(phang.equals(don.groupby(k)["doanh_thu"].sum().reset_index()))

KẾT QUẢ

       kenh        danh_muc  doanh_thu
0   Website    Cà phê & trà     290000
1   Website        Gia dụng     730000
2   Website  Văn phòng phẩm      45000
3  Ứng dụng    Cà phê & trà     370000
4  Ứng dụng        Gia dụng     250000
True

Kết quả bây giờ là một DataFrame ba cột, tên kênh lặp lại ở mỗi dòng. Dòng in cuối là True: gọi reset_index() trên Series hai tầng cho đúng bảng này, vì reset_index() đưa mọi tầng của index ra thành cột. Hai cách tương đương, as_index=False gọn hơn khi bạn biết trước mình cần bảng phẳng.

Gom kênh và trạng thái trên file đơn hàng

don_hang.csv của bộ dữ liệu thực hành có cột kenh và trang_thai. Đếm đơn theo cặp đó bằng size(), vẫn với as_index=False, rồi lọc phần của Website:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
kq = don.groupby(["kenh", "trang_thai"], as_index=False).size()
print(kq.shape)
print(kq[kq["kenh"] == "Website"])

KẾT QUẢ

(19, 3)
       kenh  trang_thai  size
11  Website  Hoàn thành   402
12  Website    Hoàn trả    23
13  Website   Đang giao     1
14  Website      Đã hủy    38

Với as_index=False, size() trả bảng phẳng và đặt số đếm vào cột tên size. Năm kênh nhân bốn trạng thái lẽ ra cho 20 cặp, nhưng bảng chỉ có 19 dòng: kênh Mạng xã hội không có đơn nào đang giao, nên cặp đó không có dòng. Index 11 đến 14 là số thứ tự của dòng trong bảng phẳng, lọc xong vẫn giữ nguyên. Đổi "Website" thành "Mạng xã hội" rồi chạy lại: bảng còn ba dòng, dòng đầu là Hoàn thành với 101 đơn.

Kiểm tra nhanh

  1. Sau import pandas as pd, pd.DataFrame({"kenh": ["Website", "Website", "Ứng dụng"], "dm": ["Gia dụng", "Sách", "Gia dụng"], "x": [1, 2, 3]}).groupby(["kenh", "dm"])["x"].sum().index[1] cho kết quả gì?

    • 'Sách'
    • ('Website', 'Sách')
    • ('Ứng dụng', 'Gia dụng')
    • 1
  2. Trong khung bẫy, lệnh don.groupby("kenh", "danh_muc") báo lỗi gì?

    • Báo lỗi ValueError, vì pandas hiểu danh_muc là tên một tầng index
    • Báo lỗi KeyError, vì không có cột kenh
    • Báo lỗi TypeError, vì groupby() chỉ nhận một tham số
  3. Những lệnh nào cho một DataFrame có cột kenh và cột danh_muc?

    • don.groupby(["kenh", "danh_muc"], as_index=False)["doanh_thu"].sum()
    • don.groupby(["kenh", "danh_muc"])["doanh_thu"].sum().reset_index()
    • don.groupby(["kenh", "danh_muc"])["doanh_thu"].sum()
    • don.groupby("kenh")["danh_muc"].sum()
  4. Trong ví dụ tám đơn của hai kênh, kết quả gom theo ["kenh", "danh_muc"] có bao nhiêu dòng?

    • 8
    • 6
    • 5
    • 2
Đúng hết lần đầu +15 XP

Bài tập

Cộng phí chuyến xe theo tài xế và tuyến

Bảng chuyen của một hãng xe ghép có ba cột: tai_xe, tuyen và phi (đồng). Viết thân hàm phi_theo_tuyen(chuyen): cộng phi theo từng cặp tài xế và tuyến.

  • Kết quả là bảng phẳng ba cột tai_xe, tuyen, phi, theo đúng thứ tự đó.

  • Dòng xếp theo thứ tự groupby() cho (theo tài xế, rồi theo tuyến); index đánh số 0, 1, 2…

Hàm không sửa bảng chuyen của nơi gọi.

Trả về: tổng phí của mỗi cặp tài xế và tuyến, một DataFrame.

python
import pandas as pd

def phi_theo_tuyen(chuyen):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • df.groupby(["a", "b"]) chia bảng theo từng cặp giá trị của hai cột; chỉ cặp có dữ liệu mới có dòng.

  • Kết quả có index hai tầng; nhãn mỗi dòng là một tuple, tầng ngoài là cột đứng đầu list.

  • Hai tên cột rời groupby("a", "b") báo ValueError; gói các tên trong một list.

  • as_index=False cho bảng phẳng, index từ 0; gọi reset_index() sau khi gom cho cùng bảng.

  • Với as_index=False, size() đặt số đếm vào cột tên size.

Câu hỏi thường gặp

Làm sao gom nhóm theo hai cột trong pandas rồi tính tổng?

Truyền list hai tên cột cho groupby(), chọn cột cần cộng rồi gọi sum(): don.groupby(["kenh", "danh_muc"])["doanh_thu"].sum(). Thêm as_index=False nếu bạn muốn kết quả là bảng phẳng. Phép gom một cột nằm ở bài groupby().

Muốn tính tổng và trung bình cùng lúc khi gom theo nhiều cột thì làm sao?

Thay sum() bằng agg() với một list tên hàm, ví dụ agg(["sum", "mean"]); kết quả là bảng mỗi hàm một cột. Bài agg() dạy thêm cách đặt tên riêng cho từng cột kết quả.

Kết quả groupby nhiều cột có tên cột hai tầng thì làm phẳng thế nào?

Tên cột hai tầng xuất hiện khi bạn tính nhiều hàm trên nhiều cột cùng lúc. Bài MultiIndex có cách nối hai tầng thành một tên như doanh_thu_sum.

as_index=False và reset_index() khác nhau ở đâu?

Kết quả như nhau trong các ví dụ của bài. as_index=False báo trước cho groupby() rằng bạn cần bảng phẳng, còn reset_index() làm phẳng một kết quả đã có. Bài set_index(), reset_index() giải thích kỹ việc đưa index ra cột.

Chủ đề

pandas groupby multiple columns

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

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.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập