# CSV数据分组器

按指定列对CSV数据进行分组，支持聚合选项。非常适合按类别、日期或其他标准来总结和分析大型数据集。

> 标准页面: https://elysiatools.com/zh/tools/csv-data-grouper

- **分类:** Data Processing

- **关键词:** csv, 分组, 聚合, 总结, 数据, 分析, 类别, 统计

## 概述

CSV数据分组器是一款专为处理CSV文件设计的工具，能够按指定列对数据进行分组，并应用多种聚合函数进行统计分析。它帮助用户快速从原始数据中提取洞察，适用于数据汇总、报告生成和业务分析等场景。

## 输入项

- **CSV输入** (textarea): 输入CSV数据（第一行应包含标题）...
- **输入分隔符** (select)
- **分组列** (text): 用于分组数据的列。多列将创建嵌套分组。
- **聚合选项** (textarea): JSON格式：\[{"column": "金额", "function": "sum", "as": "总金额"}\] 简单格式：金额:sum,名称:count 默认：计算每组记录数 可用函数：count, sum, avg/average, min, max, first, last, join, unique, count_unique
- **输出格式** (select)
- **包含标题行** (checkbox)
- **按字母顺序排序分组** (checkbox)
- **修剪单元格值** (checkbox): 移除单元格值开头和结尾的空白字符

## 适用场景

- 当您需要按类别、日期或其他标准对CSV数据进行分组汇总时。
- 当您想对大型数据集执行聚合计算，如求和、平均值或计数时。
- 当您需要将杂乱的数据转换为结构化的分组报告以支持决策时。

## 工作原理

- 输入CSV数据：通过文本框粘贴或上传CSV文件，确保第一行包含标题。
- 配置分组规则：指定分组列名，支持多列以创建嵌套分组。
- 设置聚合选项：定义聚合函数，如对数值列求和或对文本列计数。
- 选择输出格式：生成CSV或JSON格式的结果，并可自定义排序和值修剪。

## 使用案例

- 销售数据分析：按产品类别分组，计算总销售额和平均订单价值。
- 库存管理：按仓库位置分组，统计库存数量和产品种类。
- 调查数据汇总：按受访者年龄组分组，汇总回答频率和分布情况。

## 常见问题

### 支持哪些聚合函数？

支持count, sum, avg/average, min, max, first, last, join, unique, count_unique等函数。

### 如何处理大型CSV文件？

工具优化用于处理大型数据集，但建议对于超大文件分批处理以避免浏览器性能问题。

### 输出格式有哪些选项？

您可以选择输出为CSV格式或JSON格式，根据需求灵活选择。

### 分组列可以指定多个吗？

是的，在'分组列'输入框中用逗号分隔多个列名，例如'类别,年份'，以实现嵌套分组。

### 是否支持自定义聚合规则？

是的，通过'聚合选项'输入框，您可以使用JSON格式或简单格式定义复杂的聚合规则。

## 相关工具

- [数据范围限制器](https://elysiatools.com/zh/tools/data-range-limiter): 将数值限制在指定范围内，通过裁剪、过滤或标记越界值。完美用于数据质量控制、传感器数据清洗、业务规则执行和数据预处理。 功能特点： - 范围裁剪（将值裁剪到最小/最大边界） - 范围过滤（移除越界行） - 范围标记（标记修改的值） - 每列范围配置 - 自动数值列检测 - 多种处理策略 - 详细修改报告 - 变更统计分析 - 业务规则执行 常见用途： - 传感器数据验证和清洗 - 机器学习输入准备 - 数据质量控制和验证 - 业务约束执行 - 异常值管理和控制 - 数据预处理管道
- [BOM字符移除器](https://elysiatools.com/zh/tools/data-bom-remover): 从文本和文件内容中移除BOM（字节顺序标记）字符。非常适合清理有编码问题的文本文件、修复CSV导入和为处理准备数据。 功能特点： - 检测并移除UTF-8 BOM (EF BB BF) - 检测并移除UTF-16 BOM (FE FF 或 FF FE) - 检测并移除UTF-32 BOM (00 00 FE FF 或 FF FE 00 00) - 支持多种输入格式 - 可视化BOM字符显示 - 详细检测报告 - 支持批量文本处理 常见用途： - 修复CSV文件导入错误 - 清理文本文件编码问题 - 为JSON解析准备数据 - 修复XML解析问题 - 解决API数据编码冲突 - 标准化文本数据格式
- [CSV转换器](https://elysiatools.com/zh/tools/csv-transformer): 转换和处理CSV数据，支持列操作、计算和数据类型转换。 操作示例： • 重命名列: \[{"type": "rename", "column": "旧列名", "new_name": "新列名"}\] • 添加计算列: \[{"type": "add_column", "new_column": "总计", "formula": "价格 * 数量"}\] • 删除列: \[{"type": "remove_column", "remove_column": "要删除的列名"}\] • 转换数据类型: \[{"type": "convert_type", "convert_column": "年龄", "target_type": "number"}\] • 计算值: \[{"type": "calculate", "target_column": "总计", "expression": "价格 * 税率 + 运费"}\] • 过滤行: \[{"type": "filter_values", "filter_column": "状态", "operator": "equals", "value": "激活"}\]
- [边界值处理器](https://elysiatools.com/zh/tools/data-boundary-processor): 高级边界值处理工具，用于识别和处理数值数据中的最小值和最大值。完美适用于数据验证、范围检查、统计分析和数据预处理。 功能特点： - 多种边界检测方法（绝对值、百分位数、标准差） - 灵活处理策略（裁剪、删除、替换、变换） - 自定义范围验证 - 非对称边界处理 - 批量处理能力 - 综合边界统计 - 数据质量评估 - 可视化边界报告 常见用途： - 数据验证和质量控制 - 传感器数据范围检查 - 金融数据限制执行 - 统计数据预处理 - 机器学习特征工程 - 数据库约束验证
- [数据去重工具](https://elysiatools.com/zh/tools/data-deduplicator): 基于多列组合移除重复记录
- [离群值处理器](https://elysiatools.com/zh/tools/data-outlier-processor): 高级离群值检测和处理工具，使用多种统计方法识别、删除或替换数值数据中的异常值。完美用于数据清洗、统计分析和机器学习数据准备。 功能特点： - 多种检测方法（IQR、Z-score、修正Z-score、孤立森林） - 灵活处理策略（删除、替换均值/中位数/众数、封顶） - 自动阈值优化 - 多维离群值检测 - 可视化离群值统计和报告 - 批量处理能力 - 自定义敏感度级别 - 综合影响分析 常见用途： - 数据清洗和预处理 - 统计分析准备 - 机器学习数据集清洗 - 制造业质量控制 - 金融异常检测 - 传感器数据验证
- [Z-Score标准化工具](https://elysiatools.com/zh/tools/data-zscore-normalizer): 使用Z-Score（标准分数）标准化数值数据，使数据均值为0，标准差为1。完美用于统计分析、机器学习特征预处理、异常检测和不同尺度数据比较。 功能特点： - Z-Score标准化（均值=0，标准差=1） - 稳健Z-Score选项（使用中位数和MAD） - 自定义缩放到目标范围 - 多列选择 - 自动数据类型检测 - 智能处理缺失值 - 保留非数值列 - 综合统计摘要 - 异常值检测和报告 常见用途： - 机器学习特征准备 - 统计假设检验 - 异常值检测和移除 - 不同单位数据比较 - 主成分分析（PCA）预处理
- [重复列移除器](https://elysiatools.com/zh/tools/duplicate-column-remover): 使用灵活的检测策略从CSV数据中移除重复列。非常适合清理数据集、移除冗余信息和优化数据结构。 功能特点： - 检测相同标题的列 - 查找相同数据内容的列 - 支持大小写敏感/不敏感匹配 - 多种移除策略可选 - 保持数据完整性 - 支持大型数据集 - 快速高效的处理 常见用途： - 清理合并的数据集 - 移除冗余数据列 - 优化分析数据 - 为机器学习准备数据 - 减少文件大小和复杂度 - 标准化数据格式

## 示例

- [CSV示例](https://elysiatools.com/zh/samples/csv-samples): 各种数据类型、大小和复杂度级别的CSV示例文件
- [Python 示例](https://elysiatools.com/zh/samples/python): Python代码示例和Hello World演示
- [WebRTC 实时通信示例](https://elysiatools.com/zh/samples/webrtc-samples): 全面的 WebRTC 示例，用于点对点音视频通信、数据通道、屏幕共享和信令服务器实现
- [分布式追踪示例](https://elysiatools.com/zh/samples/distributed-tracing-samples): 使用 Jaeger、OpenTelemetry 和其他现代可观测性工具的综合分布式追踪示例，适用于微服务架构

## 相关内容

- [CSV 清理、重塑与交付工作流](https://elysiatools.com/zh/hubs/csv-utility): 检查 CSV 结构，保留正确列，重塑行数据，比较输出，并按需要拆分最终文件，支撑稳定导入或报表交付。