如何基于userid分组转换Pandas DataFrame：统计频次与提取最新日期

步骤1：数据预处理（转换日期格式） #

首先需要把date列转换成datetime类型，这样才能正确提取最新日期：

import pandas as pd

# 构造原始数据
data = {
    'userid': [1,1,1,1,1,1,2,2,3,3,3,3],
    'concessions': [0,0,1,0,1,1,0,0,1,0,1,1],
    'reason': ['aaa','aaa','bbb','ccc','aaa','ccc','aaa','aaa','bbb','ccc','aaa','ccc'],
    'contact': ['call','chat','call','mail','call','call','call','chat','chat','mail','mail','call'],
    'date': ['','','01-01-1990','','31-12-1992','15-06-1994','','','01-05-1990','','10-02-1991','21-08-1995']
}
df = pd.DataFrame(data)

# 转换date列为datetime，空值转为NaT
df['date'] = pd.to_datetime(df['date'], format='%d-%m-%Y', errors='coerce')

步骤2：拆分统计任务并合并结果 #

我们可以把不同的统计项分开计算，再通过userid合并：

1. 统计concessions总数与最新日期

# 分组计算concessions总和、最新日期
agg_basic = df.groupby('userid').agg(
    concessions=('concessions', 'sum'),
    date=('date', 'max')
)

2. 统计各reason类型的频次
   用pd.get_dummies将reason列转为哑变量，再分组求和：

reason_counts = pd.get_dummies(df['reason']).groupby(df['userid']).sum()

3. 统计各contact类型的频次
   同理处理contact列：

contact_counts = pd.get_dummies(df['contact']).groupby(df['userid']).sum()

4. 合并所有统计结果
   用pd.concat把三个结果按userid合并，最后重置索引（让userid回到列中）：

# 合并数据
final_df = pd.concat([agg_basic, reason_counts, contact_counts], axis=1).reset_index()

# 将date列转回原格式（空值保留为空字符串）
final_df['date'] = final_df['date'].dt.strftime('%d-%m-%Y').fillna('')

最终输出 #

运行上述代码后，final_df的结果与需求格式完全一致：

userid  concessions  aaa  bbb  ccc  call  chat  mail        date
0       1            3    3    1    2     4     1     1  15-06-1994
1       2            0    2    0    0     1     1     0            
2       3            3    1    1    2     1     1     2  21-08-1995

补充说明 #

• pd.get_dummies会自动识别reason/contact的所有类别并转为对应列，统计每个userid下的出现次数，比手动用value_counts更高效，且直接生成结构化DataFrame。
• 转换日期时用errors='coerce'把空字符串转为NaT（缺失时间值），后续取max时会自动忽略空值，正确获取最新日期。
• 如果原始数据date列格式不同，需调整pd.to_datetime的format参数匹配格式。

内容的提问来源于stack exchange，提问作者Mariners