设置as_index=False时Pandas groupby的count方法失效问题

问题场景 #

当对仅含word列的DataFrame执行groupby('word', as_index=False).count()时，仅返回分组后的word列，无计数结果；而使用.size()则能得到每个分组的行数统计：

示例代码（count()） #

import pandas as pd

word_list = ['a', 'b', 'c', 'a', 'c', 'c', 'b', 'a', 'c']
df = pd.DataFrame(word_list, columns=['word'])
as_counts = df.groupby('word', as_index=False).count()
print(as_counts)

输出：

word
0    a
1    b
2    c

示例代码（size()） #

as_counts = df.groupby('word', as_index=False).size()
print(as_counts)

输出：

word  size
0    a     3
1    b     2
2    c     4

核心差异解析 #

1. 统计目标不同 #

• size()：直接统计每个分组的总行数，不管数据是否有缺失，是纯粹的分组行数计数。只要执行分组，它就会生成包含分组键和对应行数的结果，不受原DataFrame列数影响。
• count()：统计的是每个分组中，各非分组列的非缺失值数量。如果你的DataFrame只有分组键这一列（即没有其他可统计的列），count()就没有额外的列可以生成计数结果，最终只会保留分组键列。

2. 结果生成逻辑不同 #

当设置as_index=False时，分组键会被保留为结果DataFrame的普通列：

• 对于size()：它会在保留分组键列的基础上，新增一列size来存储分组行数。
• 对于count()：它会遍历所有非分组列统计非缺失值，但如果没有非分组列，就只会返回分组键列，没有计数数据。

3. 缺失值处理不同 #

• size()不区分缺失值，只要是分组内的行都会被计数。
• count()会跳过缺失值，只统计各列中不为NaN的条目数。如果DataFrame有其他列但存在缺失值，count()的结果会比size()小。

举个例子，给原DataFrame新增含缺失值的列后：

df['num'] = [1, None, 3, 4, None, 6, 7, 8, None]
print(df.groupby('word', as_index=False).count())

输出：

word  num
0    a    3
1    b    1
2    c    2

这里num列的计数就是每个分组中非缺失值的数量，而size()仍会返回每个分组的总行数。

内容的提问来源于stack exchange，提问作者David Tejuosho