本文详细介绍了如何使用 Pandas 在多个列上进行分组，并对另一列的唯一值进行计数，最终将计数结果以宽格式（类似透视表）呈现。通过 groupby().size().unstack() 组合操作，可以高效地将分类计数转换为结构清晰的报表，避免了传统 crosstab 或简单 pivot 的局限性，特别适用于需要按多个维度进行分类汇总的场景。
场景描述与挑战
在数据分析中，我们经常需要对数据集进行多维度统计。一个常见的需求是，在给定两个或多个分组列（例如 player 和 team）的基础上，统计另一个分类列（例如 result）中每个唯一值的出现次数，并将这些唯一值作为新的列呈现在结果数据框中。
例如，我们有以下数据：
import pandas as pddf = pd.DataFrame({'player':['A','A','B','B','C','D'], 'team':['tmX','tmX','tmX','tmX','tmY','tmY'], 'result':['hit','hit','hit','miss','miss','hit']})print(df)
输出：
player team result0 A tmX hit1 A tmX hit2 B tmX hit3 B tmX miss4 C tmY miss5 D tmY hit
我们期望得到的结果是：
player team hit miss0 A tmX 2 01 B tmX 1 12 C tmY 0 13 D tmY 1 0
直接使用 groupby() 并对结果列进行 count() 操作，虽然能得到每个分组的总计数，但无法将 result 列的唯一值（如 ‘hit’, ‘miss’）展开为独立的列：
new_df = df.groupby(['player','team'])['result'].count().reset_index()print(new_df)
输出：
player team result0 A tmX 21 B tmX 22 C tmY 13 D tmY 1
这与我们期望的宽格式输出不符，因为它只提供了每个 (player, team) 组合的总 result 计数，而不是按 result 类型分类的计数。传统的 pd.crosstab 通常适用于两个维度，而 df.pivot() 或 df.pivot_table() 在这种情况下可能需要更复杂的参数设置才能达到目标。
解决方案：groupby().size().unstack() 组合技
为了实现上述需求，Pandas 提供了一个强大且灵活的组合方法：groupby().size().unstack()。这个方法能够有效地将多层分组的计数结果转换为宽格式。
核心思想是：
首先，对所有相关的分组列和需要计数并展开的列进行分组。然后，计算每个最小分组的大小（即计数）。最后，将用于计数的分类列从索引中“解堆叠”到列中。
下面是实现我们期望结果的代码：
import pandas as pddf = pd.DataFrame({'player':['A','A','B','B','C','D'], 'team':['tmX','tmX','tmX','tmX','tmY','tmY'], 'result':['hit','hit','hit','miss','miss','hit']})# 解决方案代码result_df = ( df.groupby(['player', 'team', 'result']) # 1. 按所有相关列分组 .size() # 2. 计算每个分组的大小（计数） .unstack(level='result', fill_value=0) # 3. 将 'result' 列从索引中解堆叠到列，缺失值填充0 .reset_index() # 4. 将 'player' 和 'team' 从索引重置为列)print(result_df)
输出：
result player team hit miss0 A tmX 2 01 B tmX 1 12 C tmY 0 13 D tmY 1 0
步骤详解
df.groupby([‘player’, ‘team’, ‘result’]):这一步创建了一个多层索引的分组对象。它会根据 player、team 和 result 的所有唯一组合来创建分组。例如，(‘A’, ‘tmX’, ‘hit’) 会是一个分组，(‘B’, ‘tmX’, ‘miss’) 是另一个分组。
.size():对上一步创建的每个最小分组，.size() 方法会计算该分组中元素的数量。此时，df 会变成一个 Series，其索引是 MultiIndex，包含 player、team 和 result，值为对应的计数。例如，它可能包含类似 (A, tmX, hit): 2 和 (B, tmX, miss): 1 这样的项。
.unstack(level=’result’, fill_value=0):这是实现宽格式的关键步骤。unstack() 方法用于将 Series 或 DataFrame 的某一层索引“解堆叠”到列中。
level=’result’：指定要解堆叠的索引层为 result。这意味着 result 索引中的每个唯一值（’hit’, ‘miss’）都将成为新的列名。fill_value=0：在解堆叠过程中，如果某个 (player, team) 组合没有特定的 result 类型（例如，玩家A没有’miss’结果），则在该位置会产生 NaN。fill_value=0 会将这些 NaN 值替换为0，这对于计数结果是合理的。
经过这一步，我们得到了一个 DataFrame，其索引是 (player, team)，列是 hit 和 miss。
.reset_index():unstack() 操作后，player 和 team 仍然是 DataFrame 的索引。.reset_index() 将这些索引层转换回普通的列，使得最终结果是一个标准的 DataFrame，具有数字索引和所有数据列。
注意事项与扩展
level 参数的灵活性: unstack() 的 level 参数可以接受整数（表示索引的层级，从0开始）或字符串（表示索引的名称）。在多层索引中，使用名称通常更具可读性。fill_value 的重要性: 对于计数场景，fill_value=0 是非常重要的，它能确保所有未发生的事件都被正确地表示为0，而不是缺失值。性能: 对于中等大小的数据集，这种方法通常非常高效。对于超大型数据集，可以考虑使用 Dask 或 PySpark 等分布式计算框架。与其他方法的比较:pd.crosstab()：主要用于两个分类变量的交叉制表，虽然也能实现类似功能，但当分组维度增多时，groupby().size().unstack() 显得更为通用和灵活。df.pivot_table()：pivot_table 也能实现类似功能，例如 df.pivot_table(index=[‘player’, ‘team’], columns=’result’, aggfunc=’size’, fill_value=0)。这种方法同样有效，并且在需要进行其他聚合操作（如求和、平均值）时更为强大。对于纯粹的计数并将结果展开，groupby().size().unstack() 往往更为简洁直观。
总结
groupby().size().unstack().reset_index() 组合是 Pandas 中处理多维度分类计数并以宽格式呈现结果的强大工具。它通过明确的分组、计数和解堆叠步骤，提供了一个清晰、高效且易于理解的解决方案，特别适用于需要将某个分类列的唯一值转换为新列的场景。掌握这一技巧将极大地提升您在 Pandas 中进行数据透视和汇总分析的能力。
以上就是Pandas 多列分组统计与结果透视：实现交叉计数表的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1375309.html
微信扫一扫 
支付宝扫一扫 
