Python Pandas多列分组统计中缺失值显示的误区解析

阿澈

发布时间：2026-10-14 | 4人浏览过

原创

本文解析Pandas使用groupby与size进行多列分组统计时，多级索引默认不显示重复外层键值的特性。通过具体数据示例说明982499等数值行的显示逻辑，指出这并非数据缺失，而是为了排版直观。文章提供完整代码示例，帮助开发者正确理解并处理此类统计结果，避免误判数据完整性。

Pandas多列分组统计的显示特性

在使用Pandas库进行数据分析时，通过groupby([列名列表]).size()方法执行分组统计是常见操作。需要注意的是，当统计结果包含多级索引时，默认情况下，相同的外层索引值在输出显示中会被省略，仅显示第一行，后续相同值的行对应位置留空。

多级索引省略显示的逻辑解析

以具体数据为例，观察统计结果中的空行可以发现其规律。例如，数值为982499、7、3388且计数为1的那一行，其前两个字段值（user_id为982499，cate为7）与上一行完全一致，因此这两个字段在显示时被省略。同样，数值为390192、22、4278且计数为1的行，其第一个字段值（user_id为390192）与上一行相同，故该字段被省略。这种紧凑的展示方式虽然直观，但对于不熟悉Pandas多级索引机制的新手而言，容易将其误解为数据缺失或空值。

完整数据与操作示例

若对上述现象仍存疑惑，可参考下文提供的完整原始数据及对应的代码操作过程，以便更清晰地理解数据从原始状态到分组统计结果的转换逻辑。


import pandas as pd
res6 = pd.read_csv('test.csv')
res6.shape


(12, 3)


res6.columns


Index(['user_id', 'cate', 'shop_id'], dtype='object')


res6.info()


<class 'pandas.core.frame.DataFrame'>
RangeIndex: 12 entries, 0 to 11
Data columns (total 3 columns):
user_id    12 non-null int64
cate       12 non-null int64
shop_id    12 non-null int64
dtypes: int64(3)
memory usage: 368.0 bytes


res6.describe()

	user_id	cate	shop_id
count	1.200000e+01	12.000000	12.000000
mean	6.468688e+05	10.666667	3594.000000
std	3.988181e+05	6.665151	373.271775
min	2.421410e+05	7.000000	3388.000000
25%	3.901920e+05	7.000000	3388.000000
50%	4.938730e+05	7.000000	3388.000000
75%	9.824990e+05	10.250000	3586.250000
max	1.558165e+06	23.000000	4278.000000


res6

	user_id	cate	shop_id
0	390192	20	4178
1	390192	23	4179
2	390192	22	4278
3	1021819	7	3388
4	242141	7	3388
5	283284	7	3388
6	1558165	7	3388
7	533696	7	3388
8	982499	7	3388
9	493873	7	3388
10	493873	7	3388
11	982499	7	3389


res6['user_id'].value_counts()


390192     3
982499     2
493873     2
242141     1
1021819    1
533696     1
1558165    1
283284     1
Name: user_id, dtype: int64


res6.groupby(['user_id']).size().sort_values(ascending=False)


user_id
390192     3
982499     2
493873     2
1558165    1
1021819    1
533696     1
283284     1
242141     1
dtype: int64


res6.groupby(['user_id', 'cate']).size().sort_values(ascending=False)


user_id  cate
982499   7       2
493873   7       2
1558165  7       1
1021819  7       1
533696   7       1
390192   23      1
         22      1
         20      1
283284   7       1
242141   7       1
dtype: int64


res6_test = res6.groupby(['user_id', 'cate', 'shop_id']).size().sort_values(ascending=False)
res6_test


user_id  cate  shop_id
493873   7     3388       2
1558165  7     3388       1
1021819  7     3388       1
982499   7     3389       1
               3388       1
533696   7     3388       1
390192   23    4179       1
         22    4278       1
         20    4178       1
283284   7     3388       1
242141   7     3388       1
dtype: int64

至此，关于Python中Pandas进行多列分组统计时出现的显示特性已介绍完毕。如需了解更多关于Pandas多列分组统计的高级用法或相关技巧，建议查阅本站过往文章或继续浏览后续相关内容。感谢大家的支持与关注！