Результат группировки

Группировка редко бывает последним шагом. Её результат обычно нужно отсортировать, отфильтровать, соединить с другой таблицей или показать в отчёте. Для этого удобнее обычная таблица — с названиями групп в столбце, а не в индексе.

Из индекса — в столбец

Результат группировки — Series: города стали метками индекса.

import pandas as pd

orders = pd.read_csv("data/shop_orders.csv")
orders["revenue"] = orders["price"] * orders["quantity"]
by_city = orders.groupby("city")["revenue"].sum()
by_city

city
Екатеринбург        423350
Казань              440150
Москва             1310110
Новосибирск         324090
Санкт-Петербург     803720
Name: revenue, dtype: int64

Знакомый reset_index без drop=True не выбрасывает старый индекс, а делает его обычным столбцом:

by_city.reset_index()

Получилась таблица из двух столбцов с обычным индексом 0, 1, 2… Того же добиваются сразу — параметром as_index=False в groupby («не делать ключ индексом»):

orders.groupby("city", as_index=False)["revenue"].sum()

У результата size() нет названия, и столбец с числами получил бы имя 0. Название задаёт параметр name в reset_index:

orders.groupby("city").size().reset_index(name="lines")

category_table = ...

category_table = orders.groupby("category", as_index=False)["revenue"].sum()
category_table = category_table.sort_values("revenue", ascending=False).reset_index(drop=True)

Два ключа — плоская таблица

Особенно удобен as_index=False при группировке по двум столбцам: вместо индекса из двух уровней получается простая «длинная» таблица — по строке на каждую пару.

pairs = orders.groupby(["city", "channel"], as_index=False)["revenue"].sum()
pairs.head(4)

С ней работают обычными приёмами — например, фильтром:

pairs[pairs["revenue"] > 300000]

pair_table = ...
weak = ...

pair_table = orders.groupby(["city", "channel"], as_index=False).agg(total=("revenue", "sum"), orders=("order_id", "nunique"))
weak = pair_table[pair_table["orders"] < 55].sort_values("orders")

Лучшие в каждой группе

«Два самых продаваемых товара в каждой категории» — частый вопрос. nlargest(2) здесь не подходит: он вернёт два товара на всю таблицу. Решение — в два шага.

Шаг первый: посчитать выручку каждого товара и отсортировать всю таблицу по убыванию.

products = orders.groupby(["category", "product"], as_index=False)["revenue"].sum()
products = products.sort_values("revenue", ascending=False)
products.head(5)

Шаг второй: сгруппировать по категории и взять head(2). После groupby метод head берёт первые строки каждой группы — а раз таблица отсортирована, первые и есть лучшие:

products.groupby("category").head(2)

Строки остались в порядке общей сортировки. Чтобы категории шли подряд, результат сортируют ещё раз:

products.groupby("category").head(2).sort_values(["category", "revenue"], ascending=[True, False])

Обратите внимание: head после groupby не сворачивает группы в одну строку, как sum, а возвращает сами строки таблицы. Парный метод tail(n) берёт последние строки каждой группы.

worst = ...

worst = products.groupby("category").tail(1).sort_values("category").reset_index(drop=True)

customers = ...
vip = ...

customers = orders.groupby(["city", "customer_id"], as_index=False)["revenue"].sum()
vip = customers.sort_values("revenue", ascending=False).groupby("city").head(2)
vip = vip.sort_values(["city", "revenue"], ascending=[True, False]).reset_index(drop=True)

Итоги

• reset_index() после группировки или as_index=False в groupby — ключи становятся столбцами.
• С двумя ключами as_index=False даёт плоскую таблицу: строка на каждую пару.
• Лучшие в каждой группе: отсортировать всю таблицу, затем groupby("ключ").head(n).
• head и tail после groupby возвращают строки, а не итоги.