groupby nhiều cột trong pandas (groupby multiple columns)
Bài 2/13 · Chương 5
GroupBy, map và apply
- 7 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 12
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):
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:
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: int64Các 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:
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
TrueKết 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:
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 38Với 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
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
Trong khung bẫy, lệnh
don.groupby("kenh", "danh_muc")báo lỗi gì?- Báo lỗi
ValueError, vì pandas hiểudanh_muclà tên một tầng index - Báo lỗi
KeyError, vì không có cộtkenh - Báo lỗi
TypeError, vìgroupby()chỉ nhận một tham số
- Báo lỗi
Những lệnh nào cho một DataFrame có cột
kenhvà cộtdanh_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()
Trong ví dụ tám đơn của hai kênh, kết quả gom theo
["kenh", "danh_muc"]có bao nhiêu dòng?- 8
- 6
- 5
- 2
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.
import pandas as pd
def phi_theo_tuyen(chuyen):
pass # Viết thân hàm thay cho dòng nàyTóm 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")báoValueError; gói các tên trong một list.as_index=Falsecho bảng phẳng, index từ0; gọireset_index()sau khi gom cho cùng bảng.Với
as_index=False,size()đặt số đếm vào cột tênsize.
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
Dữ liệu của bài
- Tải xuống
don_hang.csv
CSV · 109.5 KB
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.