GroupBy & Agregación

El groupby de pandas implementa split-apply-combine: particiona las filas por claves, ejecuta una función por grupo y une los resultados en un resumen o un frame transformado.

Receta

Tarjeta de receta de referencia rápida - lista para copiar y pegar.

import pandas as pd
 
summary = (
    df.groupby("region", observed=True)["revenue"]
    .agg(total="sum", avg="mean", n="count")
    .reset_index()
)
pivot = pd.pivot_table(df, index="month", columns="region", values="revenue", aggfunc="sum")

Cuándo usar esto:

• Resúmenes regionales o de productos en tablas de hechos (fact tables).
• Métricas de ventana (windowed metrics) que necesitan estadísticas por grupo.
• Pivoteo de datos largos a diseños de informes amplios (wide reporting layouts).
• Ingeniería de características (feature engineering) (medias a nivel de grupo para ML).

Ejemplo de Trabajo

import pandas as pd
 
sales = pd.DataFrame(
    {
        "region": pd.Categorical(["East", "West", "East", "West", "East"]),
        "month": ["2025-01", "2025-01", "2025-02", "2025-02", "2025-02"],
        "revenue": [120.0, 340.0, 150.0, 280.0, 130.0],
        "units": [10, 25, 12, 20, 11],
    }
)
 
# Agregación de métricas múltiples
by_region = (
    sales.groupby("region", observed=True)
    .agg(revenue_total=("revenue", "sum"), units_avg=("units", "mean"))
    .reset_index()
)
 
# Porcentaje de la cuota regional por fila (transform mantiene el recuento de filas)
sales = sales.copy()
sales["share"] = sales.groupby("region", observed=True)["revenue"].transform(
    lambda s: s / s.sum()
)
 
# Pivoteo para informes
pivot = pd.pivot_table(
    sales,
    index="month",
    columns="region",
    values="revenue",
    aggfunc="sum",
    fill_value=0,
    observed=True,
)
 
print(by_region)
print(sales[["region", "revenue", "share"]])
print(pivot)

Lo que esto demuestra:

• Agregación con nombre con .agg(col=(field, func))
• transform para fracciones de grupo a nivel de fila.
• pivot_table con fill_value para meses dispersos.
• observed=True en claves categóricas.

Inmersión Profunda

Cómo Funciona

• Split: hashea o ordena las filas por las claves de grupo.
• Apply: ejecuta una reducción (sum, mean) o una transformación (rank, fillna).
• Combine: apila los resultados en Series/DataFrame con un MultiIndex o columnas planas.
• as_index=False (el valor predeterminado de pandas 2.x en muchas APIs) devuelve las claves como columnas.

agg vs transform vs apply

Notas de Python

import pandas as pd
 
# Claves múltiples
df.groupby(["region", "month"], observed=True)["revenue"].sum()
 
# Filtrar grupos por condición de agregación
df.groupby("region").filter(lambda g: g["revenue"].sum() > 500)

Trampas Comunes

• Incluir NA en las claves de grupo - dropna=False mantiene los grupos NaN; a menudo es accidental. Solución: dropna=True (predeterminado) o limpiar las claves primero.
• Niveles categóricos no observados - aparecen regiones vacías sin observed=True. Solución: pasar observed=True en groupby/pivot de pandas 2.x.
• apply devolviendo formas inconsistentes - rompe el paso de combinación. Solución: preferir agg/transform integrados; vectorizar la lógica personalizada.
• Claves duplicadas en Pivot - las filas múltiples por (mes, región) necesitan aggfunc. Solución: elegir sum, mean, o first explícitamente.
• Ordenar la salida de groupby - el índice desordenado dificulta la lectura de los informes. Solución: .sort_values("revenue_total", ascending=False).

Alternativas

Preguntas Frecuentes

df.groupby("region")["customer_id"].nunique()

df["rank"] = df.groupby("region")["revenue"].rank(ascending=False)

df.groupby("region").agg({"revenue": "sum", "units": "max"})

out = df.groupby("region").sum().reset_index()

df.groupby("region")["revenue"].sum().plot(kind="bar")

Relacionado

• Series y DataFrames de pandas - indexación
• Joins y Merges - enriquecer antes de agrupar
• Series Temporales - Grouper y remuestreo (resample)
• Polars - group_by rápido a escala

Versiones de la Pila: Esta página fue escrita para Python 3.14.0 (estable 3.14, mantenimiento 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, y uv 0.6+.