如何通过Pandas GroupBy实现两列不同分箱的联合计数统计？

直接给你可行的代码方案，不用拆分DataFrame，一次groupby就能搞定：

import pandas as pd

data = [
    {'a': 11, 'b': 1},
    {'a': 22, 'b': 1},
    {'a': 25, 'b': 5},
    {'a': 11, 'b': 1},
    {'a': 22, 'b': 2},
    {'a': 15, 'b': 6},
]

df = pd.DataFrame(data)

# 定义两列各自的分箱区间
a_bins = [10, 20, 30]
b_bins = [1, 5, 10]

# 同时按a列分箱和b列分箱的结果分组，统计每组数量
result = df.groupby([
    pd.cut(df['a'], a_bins),
    pd.cut(df['b'], b_bins)
]).size().unstack(fill_value=0)

print(result)

运行后会得到直观的二维统计结果：

b          (1, 5]  (5, 10]
a                         
(10, 20]        2        1
(20, 30]        2        1

关键说明： #

• 直接把两个pd.cut的分箱结果作为groupby的参数，就能实现双重分箱分组，一次完成统计
• 用size()比count()更直接，专门用来统计每组的行数
• 最后用unstack(fill_value=0)把多级索引结果转成二维表格，fill_value=0用来填充无数据的分组（避免出现NaN）

如果不需要二维表格，保留多级索引格式的话，去掉.unstack(fill_value=0)即可：

result = df.groupby([pd.cut(df['a'], a_bins), pd.cut(df['b'], b_bins)]).size()

结果为：

a         b        
(10, 20]  (1, 5]     2
          (5, 10]    1
(20, 30]  (1, 5]     2
          (5, 10]    1
dtype: int64

这样就完全不用拆分DataFrame，一步到位实现你要的统计需求。

内容的提问来源于stack exchange，提问作者tetra1