如何在Pandas中统计维修类型时排除空值并生成空字典？

核心思路 #

先判断每个分组是否包含空字符串的repair_type：

• 若包含：该分组直接返回空字典
• 若不包含：统计分组内各维修类型的出现次数，返回统计字典

代码实现 #

1. 构造测试数据

import pandas as pd

# 模拟用户的初始DataFrame（已将None转为空字符串）
data = {
    'id': [1, 1, 2, 2, 3],
    'sub_id': [101, 102, 201, 202, 301],
    'repair_type': ['更换零件', '', '维修电路', '更换零件', '']
}
df = pd.DataFrame(data)

2. 定义分组处理函数

实现需求逻辑的自定义处理函数：

def process_repair_group(group):
    # 检查分组中是否存在空字符串的repair_type
    if (group['repair_type'] == '').any():
        return {}
    # 统计非空维修类型的出现次数并转为字典
    return group['repair_type'].value_counts().to_dict()

3. 执行分组统计

调用groupby结合自定义函数得到最终结果：

# 按id分组（可根据实际需求替换为sub_id或['id', 'sub_id']组合键）
final_result = df.groupby('id').apply(process_repair_group).to_dict()

4. 验证结果

运行后final_result的输出为：

{
    1: {},
    2: {'更换零件': 1, '维修电路': 1},
    3: {}
}

完全符合需求：含空字符串的分组返回空字典，无空字符串的分组返回有效统计结果。

扩展说明 #

• 如果需要按id+sub_id组合维度分组，只需修改groupby的参数为['id', 'sub_id']即可
• 若后续需求变更为「保留分组但仅排除空字符串的计数」，可先过滤空值再统计，但当前场景下直接返回空字典的逻辑更贴合用户要求

内容的提问来源于stack exchange，提问作者stat_man