Tutorial de Python
groupby en pandas: agrupar y resumir datos
Muchas preguntas son «¿cuánto por cada…?»: ventas por sucursal, piezas por producto, ingresos por mecánico. groupby() de pandas junta las filas que tienen el mismo valor en una columna y luego resume otra columna con .sum(), .mean() o .count(). Aquí verás cómo se escribe, un ejemplo resuelto y los errores típicos.
Agrupar y resumir con groupby()
Muchas preguntas son «¿cuánto por cada…?»: ventas por sucursal, piezas por producto, ingresos por mecánico. Para eso se agrupa.
tabla.groupby("columna") junta las filas que tienen el mismo valor en esa columna. Luego eliges qué columna resumir y qué cuenta hacer.
Las cuentas más usadas son .sum() (suma), .mean() (promedio), .count() (cuántas filas), .max() y .min().
El resultado es una Series con un renglón por grupo, ordenada alfabéticamente por el nombre del grupo.
Cómo se escribe
tabla.groupby("grupo")["columna"].sum()
- groupby("grupo")
- forma un grupo por cada valor distinto de esa columna
- ["columna"]
- la columna que se va a resumir
- .sum()
- la cuenta que se hace en cada grupo (o .mean(), .count(), .max()…)
Ejemplo resuelto
main.py
import pandas as pd
servicios = pd.read_csv("servicios.csv")
por_mecanico = servicios.groupby("mecanico")["precio"].sum()
print(por_mecanico)
refacciones = servicios.groupby("servicio")["refacciones"].sum()
print(refacciones)Consola
mecanico
Memo 650
Rafa 1000
Toño 650
Name: precio, dtype: int64
servicio
Afinación 480
Frenos 270
Ponchadura 90
Name: refacciones, dtype: int64
Taller El Pedal: cuánto cobró cada mecánico y cuánto se gastó en refacciones por tipo de servicio.
- Si no eliges la columna (ventas.groupby("sucursal").sum()), pandas intenta sumar todas, incluso las de texto, y el resultado es confuso.
- El nombre del grupo va entre comillas y debe ser exacto: groupby("Sucursal") falla si la columna se llama «sucursal».
- Debajo del resultado aparece «Name: total, dtype: int64»: es el nombre de la columna que se sumó y su tipo.
Preguntas frecuentes
¿Cómo se escribe groupby?
tabla.groupby("grupo")["columna"].sum(): primero la columna que agrupa, después entre corchetes la columna que quieres resumir y al final la cuenta.
¿Por qué sale un resultado raro con columnas de texto?
Porque no elegiste la columna que se resume: pandas intenta sumarlas todas, incluso las de texto. Escribe la columna entre corchetes antes de .sum().
¿Qué cuentas puedo hacer además de sumar?
.mean() (promedio), .count() (cuántas filas), .max() (el mayor) y .min() (el menor).