如何用Pandas的pivot实现分组后各Rank的出现次数统计

示例DataFrame #

from io import StringIO
import pandas as pd

df = pd.read_csv(StringIO("""
Group Date Rank
A 01-01-2023 1
A 01-02-2023 2
A 01-03-2023 3
A 01-04-2023 2
A 01-05-2023 1
A 01-06-2023 1
A 01-07-2023 3
A 01-08-2023 2
B 01-01-2023 2
B 01-02-2023 3
B 01-03-2023 2
B 01-04-2023 1
B 01-05-2023 3
B 01-06-2023 2
B 01-07-2023 1
B 01-08-2023 3"""), sep="\s+")

需求 #

按Group分组，统计每个分组内不同Rank（1、2、3）的出现次数，输出格式如下：

Group   Count of 1      Count of 2    Count of 3
A       3               3             2
B       2               3             3  

使用Pivot实现的方法 #

可以通过pivot_table实现这类分组统计需求，代码如下：

# 生成透视表，统计每个Group下各Rank的数量
result = df.pivot_table(
    index='Group',  # 行索引设为Group
    columns='Rank',  # 列按Rank值拆分
    aggfunc='size',  # 统计对应组合的行数（即出现次数）
    fill_value=0  # 空值填充为0
).reset_index()

# 重命名列名，匹配需求格式
result.columns = ['Group'] + [f'Count of {col}' for col in result.columns[1:]]

# 打印结果
print(result)

输出结果 #

Group  Count of 1  Count of 2  Count of 3
0     A           3           3           2
1     B           2           3           3

说明 #

• aggfunc='size'用于统计每个Group-Rank组合的行数，也就是对应Rank的出现次数；
• fill_value=0保证如果某个分组没有对应Rank值时，统计数显示为0而非空值；
• 通过列表推导式重命名列，让输出格式和需求完全匹配。

内容的提问来源于stack exchange，提问作者Yogesh Kamboj