Pandas按Division分组统计Question列（含空值）的各选项次数

直接用pandas的透视表或分组转宽表就能搞定，下面是具体步骤和代码：

核心思路 #

先把Question列的空值统一标记，再按Division分组统计各选项的出现次数，最后把统计结果转成需求的列格式，再计算总记录数。

示例代码 #

import pandas as pd
import numpy as np

# 模拟测试数据（实际替换成你的DataFrame即可）
df = pd.DataFrame({
    'Division': ['A', 'A', 'A', 'B', 'B', 'C', 'C', 'C', 'C'],
    'Question': ['Yes', 'No', np.nan, 'Yes', np.nan, 'No', 'No', 'Yes', np.nan]
})

# 1. 将空值替换为'Null'，方便统一统计
df['Question'] = df['Question'].fillna('Null')

# 2. 按Division分组，统计各Question选项的数量并转成宽表
# fill_value=0表示无对应记录的计数填0，要显示NaN则删除该参数
stats_df = df.pivot_table(
    index='Division',
    columns='Question',
    aggfunc='size',
    fill_value=0
)

# 3. 重命名列名到需求格式
stats_df.rename(
    columns={'Null': 'Null_Counts', 'Yes': 'Yes_Counts', 'No': 'No_Counts'},
    inplace=True
)

# 4. 新增Total列，计算每个Division的总记录数
stats_df['Total'] = stats_df.sum(axis=1)

# 可选：将Division从索引转为普通列
stats_df = stats_df.reset_index()

print(stats_df)

运行结果 #

Division  Null_Counts  Yes_Counts  No_Counts  Total
0        A            1           1          1      3
1        B            1           1          0      2
2        C            1           1          2      4

另一种写法（groupby+unstack） #

如果更习惯用groupby语法，也可以这么实现：

df['Question'] = df['Question'].fillna('Null')
stats_df = df.groupby('Division')['Question'].value_counts().unstack(fill_value=0)
stats_df = stats_df.rename(columns={'Null':'Null_Counts', 'Yes':'Yes_Counts', 'No':'No_Counts'})
stats_df['Total'] = stats_df.sum(axis=1)
stats_df = stats_df.reset_index()

若需要空计数显示为NaN而非0，只需去掉代码中的fill_value=0参数即可。

内容的提问来源于stack exchange，提问作者Dr. Spock