求助：Python DataFrame分组后不同值计数实现方法

问题分析 #

你当前的代码存在两个核心问题：

1. df1['Model'].nunique()计算的是整个DataFrame的Model唯一值数量，而非分组后每组的数量
2. df2['Model'].map(df1['Type'].value_counts())关联的是全局的Type计数，不是分组内的对应计数

正确实现代码 #

假设你是按某列（比如Group，替换为你实际的分组列名）进行分组，想要得到每组的Model唯一值数量，以及每组内各Type的出现次数，代码如下：

import pandas as pd

# 1. 按目标列分组（替换'Group'为你的实际分组列名）
grouped = df1.groupby('Group')

# 2. 统计每组的Model唯一值数量，并重命名列
unique_model_count = grouped['Model'].nunique().rename('Unique_Models')

# 3. 统计每组内各Type的出现次数，转为宽格式（Type作为列，计数为值）
type_count = grouped['Type'].value_counts().unstack(fill_value=0)

# 4. 合并结果得到目标DataFrame
df2 = pd.concat([unique_model_count, type_count], axis=1)

代码说明 #

• groupby('Group')：指定分组依据的列，确保所有统计都是基于每组独立计算
• nunique()：精准统计每组内Model的唯一值数量，避免全局统计的错误
• value_counts().unstack(fill_value=0)：将每组内Type的计数从长格式转为宽格式，缺失的Type自动填充0，适配常见的目标格式需求
• concat：将两个统计结果按列合并，得到结构化的最终数据

如果你的分组逻辑是基于多列，只需将groupby的参数替换为对应的分组键列表即可（比如groupby(['Col1', 'Col2'])）。

内容的提问来源于stack exchange，提问作者credenco