Pandas中分组统计后转置DataFrame导致count()结果异常的修复方案咨询

你的问题根源在于混淆了groupby后的count()和size()方法：count()会逐列统计非空值的数量，而你实际需要的是每个type分组的总行数，不管某列是否有NULL值。

修复步骤详解： #

1. 正确统计每个type的出现次数
   用size()替代count()，它直接返回每个分组的总行数，完美适配你的需求：

   # 统计每个type的总行数，返回Series
   type_counts = df1.groupby('type').size()
   # 转换为DataFrame并重置索引，方便后续处理
   type_counts_df = type_counts.reset_index(name='total_count')
   

   这一步会得到：

   type	total_count
   A	2
   B	1

2. 转换为你需要的宽表格式（count_A、count_B）
   用pivot把长表转成宽表，并用fillna(0)处理可能缺失的type（如果后续有新type也能兼容）：

   # 转宽表，填充缺失值为0并转为整数
   type_pivot = type_counts_df.pivot(columns='type', values='total_count').fillna(0).astype(int)
   # 添加前缀，生成count_A、count_B列名
   type_pivot = type_pivot.add_prefix('count_')
   # 重置索引，确保和df2的索引对齐
   type_pivot = type_pivot.reset_index(drop=True)
   

3. 合并到df2
   因为df2和统计结果都是单一行，直接用pd.concat按列合并即可：

   import pandas as pd
   # 合并两个DataFrame
   final_df = pd.concat([df2, type_pivot], axis=1)
   

最终结果 #

运行后你会得到期望的格式：

为什么原来的代码出错？ #

你之前用groupby('type').count()时，它会对每一列单独统计非空值：

• 对于fake_id列，type B的行是NULL，所以count为0
• 对于date列，type B的行有值，count为1
  而size()不关心列是否为空，只统计分组内的总行数，这才是你需要的“出现次数”。

内容的提问来源于stack exchange，提问作者Jnl