如何用Pandas按分组统计各列的数值计数？

要实现按Category分组统计每个问题下不同选项的计数，关键是先将宽格式数据重塑为长格式，再通过透视表生成目标结构：

import pandas as pd

# 加载问卷数据
df = pd.DataFrame({
    'ID': [1, 2, 3, 4],
    'Category': ['A', 'A', 'B', 'B'],
    'Question 1': ['Agree', 'Disagree', 'Agree', 'Disagree'],
    'Question 2': ['Agree', 'Agree', 'Agree', 'Disagree']
})

# 1. 将宽格式转为长格式：每个问题-选项对单独成一行
melted_df = df.melt(id_vars='Category', var_name='Question', value_name='Value')

# 2. 透视表统计分组计数，生成双层列索引（问题+选项）
result = melted_df.pivot_table(
    index='Category',
    columns=['Question', 'Value'],
    aggfunc='size',
    fill_value=0
)

# 可选：将Category转为列，完全匹配示例输出结构
result = result.reset_index()

print(result)

输出结果 #

Category Question 1        Question 2       
                Agree Disagree      Agree Disagree
0        A         1        1          2        0
1        B         1        1          0        1

原理说明 #

1. melt重塑数据：把原本的Question 1、Question 2列转为行数据，让每个问题的选项成为独立条目，这样就能单独统计每个问题的选项分布。
2. pivot_table聚合计数：按Category分组，以Question和Value作为双层列索引，统计每个组合的出现次数，用fill_value=0填充无数据的组合。

内容的提问来源于stack exchange，提问作者Phillip Ng