Pandas多列重采样分组：按地点、年月聚合分类与状态计数

问题说明 #

需要将以下Pandas DataFrame：

import pandas as pd

df = pd.DataFrame({
        'date': [
           '2019-08-01', '2019-12-01',
           '2019-23-01', '2019-15-01',
           '2020-26-02', '2020-10-10',
           '2020-08-10', '2021-01-04'
        ],
        'loc': [
           'axp','axp', 'axp', 'axp',
           'axe', 'axp', 'axp', 'axe'
        ],
        'category': [
           'domestic', 'domestic', 'domestic', 
           'domestic',
           'wild', 'domestic', 'domestic', 'wild'
        ],
        'status': [
           'found', 'found', 'not found', 'found',
           'found', 'found', 'found', 'not found'
        ]
    })

转换为按loc结合年月统计category和status计数的格式，目标格式如下：

用户尝试了以下代码但未得到预期结果：

df = df.resample('M')['category'].value_counts().to_frame().rename({'category':'count'},axis=1)
df = df.pivot_table(index='date', columns='category')

问题分析 #

用户代码存在以下问题：

1. 未处理错误日期格式：原始date列是年-日-月格式，直接使用resample会解析错误，且未将date设为索引。
2. 缺失地点维度：没有按loc分组统计，仅按日期重采样，忽略了地点的分组需求。
3. 未覆盖状态统计：只处理了category列，没有对status列进行计数。

解决方案 #

以下是完整的正确代码：

import pandas as pd

# 1. 修复日期格式：原始date为年-日-月，指定format转换为datetime类型
df['date'] = pd.to_datetime(df['date'], format='%Y-%d-%m')

# 2. 生成复合分组键：loc_月_年
df['loc_mnth_yr'] = df['loc'] + '_' + df['date'].dt.strftime('%m_%Y')

# 3. 分别统计category和status的各类计数
# 对category做独热编码后按复合键求和
category_counts = pd.get_dummies(df['category'], prefix='n').groupby(df['loc_mnth_yr']).sum()
# 对status做独热编码后按复合键求和
status_counts = pd.get_dummies(df['status'], prefix='n').groupby(df['loc_mnth_yr']).sum()

# 4. 合并结果并调整列顺序
result = pd.concat([category_counts, status_counts], axis=1).reset_index()
result = result[['loc_mnth_yr', 'n_domestic', 'n_wild', 'n_found', 'n_not_found']]

print(result)

运行结果 #

loc_mnth_yr  n_domestic  n_wild  n_found  n_not_found
0  axp_01_2019           4       0        3            1
1  axp_10_2020           2       0        2            0
2  axe_02_2020           0       1        1            0
3  axe_04_2021           0       1        0            1

内容的提问来源于stack exchange，提问作者emmasa