分组处理数据，你只会使用 pandas? 那你就错了。其实不借助第三方库，我们也可以轻松实现数据分组。

今天内容：

使用字典做数据分组使用 itertools 的 groupby 实现数据分组如何封装函数，使其更具通用性分组

字典是python中非常常用的一种数据结构。我们可以用字典来实现数据分组。

比如，我们有这样一个列表：

people_list = [ {'姓名': '张三', '性别': '男', '年龄': '25'}, {'姓名': '李四', '性别': '女', '年龄': '30'}, {'姓名': '王五', '性别': '男', '年龄': '22'}, {'姓名': '赵六', '性别': '女', '年龄': '28'}, {'姓名': '周六', '性别': '女', '年龄': '26'}, {'姓名': '陈七', '性别': '男', '年龄': '24'}, {'姓名': '杨八', '性别': '女', '年龄': '27'},]

我们想按照性别分组，统计平级年龄和人数。

使用字典的实现方式：

结果：

现在结果字典有两项数据(男性和女性)，分别对应着两个列表(里面就是该性别的数据，是一个个字典)。

上面代码，可以使用 defaultdict 改进：

行21: 当访问一个不存在的键时，defaultdict 会自动创建一个空列表，并返回它。

如果不想使用字典，而是想使用 itertools 的 groupby 实现，可以这样：

行15：分组前对数据做排序才行封装函数

现在已经对数据进行了分组，所谓的分组统计(平级年龄和人数)，只不过是对每个性别的列表进行遍历，统计每个人的年龄，然后求和。

但统计处理多种多样，为此我们可以封装成通用的函数。

假设封装的函数叫 group_by ,看看我们期待的使用方式：

行9：参数 by ：指定分组的字段，也可以指定多个字段，比如 by=["性别", "年龄"] 。行9：参数 aggregate ：指定聚合函数。

确定了使用方式，那么我们可以开始封装函数：

行20-23：让参数 by 支持单个字符串或多列分组行29：再次遍历分组的结果，然后应用聚合函数

转发、关注我，私信"itertools"，获得本期源码和数据。

不要忘记一键三连。你的点赞、收藏、关注，是我创作的动力。