如何在Python Pandas中按统计值分组统计SerialNr数量

先构造你的原始DataFrame：

import pandas as pd

df = pd.DataFrame({
    'SerialNr': [1, 2, 3, 4],
    'Amount': [2, 4, 3, 2]
})

直接用groupby会漏掉无对应记录的Amount（比如示例里的1），得按以下步骤处理：

1. 统计已有Amount对应的SerialNr数量

count_result = df.groupby('Amount')['SerialNr'].count().reset_index(name='Quantity of SerialNr')

2. 补全所有目标Amount值并填充0
   因为你需要包含1到4的所有Amount，先生成完整的Amount序列，再和统计结果做左连接，缺失的数量用0填充：

# 生成1到4的完整Amount列表
full_amounts = pd.DataFrame({'Amount': range(1, 5)})
# 左连接合并，保留所有Amount值
final_result = full_amounts.merge(count_result, on='Amount', how='left').fillna(0)
# 将数量转为整数类型
final_result['Quantity of SerialNr'] = final_result['Quantity of SerialNr'].astype(int)

最终final_result的结果如下：

为什么直接groupby没成功？ #

groupby只会对数据中实际存在的Amount值分组统计，不会自动补全缺失的类别。要得到包含所有目标Amount的结果，必须手动生成完整的类别序列再合并填充。

内容的提问来源于stack exchange，提问作者lis