itertools.groupby要求数据必须预先按分组键排序，否则相邻不同键会被错误分组；其返回的迭代器只能遍历一次，需及时转为list保存；key函数须稳定可比，避免浮点数或不可靠对象；无序或复杂聚合场景应优先使用pandas.groupby。
groupby 要求数据必须预先按分组键排序
itertools.groupby 不会自动排序，它只对相邻相同键的元素做分组。如果数据没排好序，同个键的元素被分散在不同位置，就会被拆成多组。比如 [('a', 1), ('b', 2), ('a', 3)] 用 key=lambda x: x[0] 分组，会得到三组：a、b、a，而不是合并两个 a。
实操时务必先用 sorted() 预处理：
from itertools import groupby
data = [('a', 1), ('b', 2), ('a', 3), ('b', 4)]
# 错误：未排序
list(groupby(data, key=lambda x: x[0])) # 产生 4 个组（a,b,a,b）
<h1>正确：先按 key 排序</h1><p>sorted_data = sorted(data, key=lambda x: x[0])
list(groupby(sorted_data, key=lambda x: x[0])) # 得到 2 组：a 和 b</p>
groupby 返回的是 (key, iterator) 元组，iterator 只能遍历一次
groupby 的第二个元素是迭代器，不是列表。一旦你用 list() 或 for 消费过它，再次访问就为空了。这是最常踩的坑。
- 不能写
for k, g in groupby(...): print(list(g)); print(len(list(g)))—— 第二个list(g)是空的 - 需要多次使用时，必须立刻转成
list(g)或tuple(g)保存 - 如果只遍历一次（如统计、求和），直接用
sum(g)或max(g)更省内存
示例：
data = [(1, 'x'), (1, 'y'), (2, 'z')]
for k, g in groupby(data, key=lambda x: x[0]):
items = list(g) # 必须这一步存下来
print(f"key {k}: {len(items)} items")
key 函数要稳定且可比，避免用浮点数或含随机性的对象做键
分组依据是 key 函数返回值的相等性判断。如果 key 返回浮点数，0.1 + 0.2 == 0.3 在 Python 中为 False，会导致本该一组的数据被拆开。
- 浮点数键 → 改用
round(x, N)或转为decimal或字符串格式化 - 字典/列表等不可哈希对象 →
groupby虽不依赖哈希，但比较可能出乎意料；建议用 tuple 包装或提取确定字段 - 时间戳 → 优先转为
date或按小时/天取整，避免毫秒级差异干扰
例如按小时分组日志：
from datetime import datetime
logs = [
('msg1', datetime(2024, 5, 1, 10, 15)),
('msg2', datetime(2024, 5, 1, 10, 45)),
('msg3', datetime(2024, 5, 1, 11, 20)),
]
key_func = lambda x: x[1].replace(minute=0, second=0, microsecond=0)
# 而不是直接用 datetime 对象比较，避免精度干扰
替代方案：pandas.groupby 更适合非有序或复杂聚合场景
如果你的数据本来无序、需要多列分组、或要同时做 sum/mean/agg 等操作，硬套 itertools.groupby 反而绕路。pandas 的 groupby 自动处理无序、支持链式聚合、缺失值策略明确。
-
itertools.groupby适合流式处理、内存敏感、已确认有序的小批量数据 - 只要涉及
df.groupby('col').size()或.apply(lambda x: ...)，直接上 pandas - 混合类型键、NaN 分组、多级索引 ——
itertools.groupby完全不适用
简单对比：
# itertools 方式（需手动排序+聚合）
sorted_rows = sorted(rows, key=lambda r: r['category'])
for cat, grp in groupby(sorted_rows, key=lambda r: r['category']):
total = sum(r['value'] for r in grp)
<h1>pandas 方式（一行搞定，无需预排序）</h1><p>df.groupby('category')['value'].sum()</p>
真正用 itertools.groupby 的时候，往往是在读大文件逐行处理、或嵌入生成器管道里——这时候记住：排序是前置责任，iterator 是一次性消耗品，key 是逻辑锚点，别让它漂移。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
