如何用Pandas按MinP和MaxP两列组合分组并统计出现次数？

要实现按MinP和MaxP两列的组合分组并统计次数，用pandas可以轻松完成，以下是具体步骤：

基础实现步骤 #

1. 读取CSV数据 #

首先导入pandas并读取你的CSV文件：

import pandas as pd

# 替换成你的CSV文件路径
df = pd.read_csv("your_data.csv")

2. 按双列分组统计 #

使用groupby同时指定MinP和MaxP两列作为分组键，再用size()统计每组的出现次数：

# 分组后得到带MultiIndex的Series，索引是(MinP值, MaxP值)，值为对应计数
grouped_counts = df.groupby(["MinP", "MaxP"]).size()

# 如果需要转换成DataFrame格式（更直观）
grouped_df = grouped_counts.reset_index(name="count")

3. 生成类似State1(0,0)的标签 #

如果需要给每个组合添加StateX编号并拼接成指定格式的标签，可对分组后的DataFrame做进一步处理：

# 为每行生成State标签，编号从1开始
grouped_df["state_label"] = grouped_df.apply(
    lambda row: f"State{row.index + 1}({row['MinP']}, {row['MaxP']})",
    axis=1
)

# 查看最终结果（只保留标签和计数列）
print(grouped_df[["state_label", "count"]])

更简洁的替代方法 #

也可以直接用value_counts()快速统计两列组合的出现次数：

counts_df = df[["MinP", "MaxP"]].value_counts().reset_index(name="count")
counts_df["state_label"] = counts_df.apply(
    lambda row: f"State{row.index + 1}({row['MinP']}, {row['MaxP']})",
    axis=1
)

关键说明 #

之前仅按单列MinP分组无法满足需求，因为同一MinP值可能对应多个不同的MaxP值，只有同时指定两列作为分组键，才能准确区分所有数值组合模式。

内容的提问来源于stack exchange，提问作者Behseini