Python Pandas按lurn_fls分组统计Comparision各类计数求助

针对你的需求，这里提供两种高效的实现方式，适用于百万级行数据的处理：

方法一：使用pd.crosstab（简洁直观） #

import pandas as pd

# 假设你的DataFrame名为df
# 生成交叉表，按lurn_fls分组统计各Comparision结果的数量
result = pd.crosstab(df['lurn_fls'], df['Comparision'])

# 添加Total列，计算每组的总记录数
result['Total'] = result.sum(axis=1)

# 将lurn_fls从索引转为普通列
result = result.reset_index()

方法二：使用groupby+value_counts（灵活扩展） #

import pandas as pd

# 分组后统计每个Comparision值的出现次数，转成宽表格式（空值填充为0）
result = df.groupby('lurn_fls')['Comparision'].value_counts().unstack(fill_value=0)

# 添加Total列
result['Total'] = result.sum(axis=1)

# 重置索引
result = result.reset_index()

可选：仅保留指定的Comparision类别 #

如果只需要结果中的mbn:match both non-empty、xhe:mismatch h_empty、xne:mismatch neither empty这三类，可以添加列过滤步骤：

# 指定需要保留的列顺序
target_cols = [
    'mbn:match both non-empty',
    'xhe:mismatch h_empty',
    'xne:mismatch neither empty'
]

# 重新排列列，确保顺序符合需求
result = result[['lurn_fls'] + target_cols + ['Total']]

两种方法都能高效处理百万行数据，最终输出结果与你要求的格式完全一致。

内容的提问来源于stack exchange，提问作者Ashu