如何用Pandas基于分类列生成新列，统计医生各药物开药数量？

数据集 #

import pandas as pd

df = pd.DataFrame({"doctor id": ["1", "1", "1", "1"],
                   "patient id": ["1", "2", "3", "4"],
                   "drug name": ["a", "b", "b", "b"]})

需求 #

基于drug name列创建drug_a_count和drug_b_count两个新列，统计每位医生给患者开具的每种药物的数量，理想输出如下：

doctor id  drug_a_count  drug_b_count
0         1             1             3

当前尝试的代码及结果 #

你当前使用的代码：

df.groupby(['doctor id','drug name'])["doctor id"].count().reset_index(name="count")

得到的输出是长表形式，不符合需求：

doctor id drug name  count
0         1         a      1
1         1         b      3

正确实现方法 #

方法1：使用pivot_table #

pivot_table可以直接实现分组统计并将分类列转为表头，代码如下：

# 生成透视表，按医生分组，药物名称为列，统计患者ID的数量
result = df.pivot_table(
    index='doctor id',
    columns='drug name',
    values='patient id',
    aggfunc='count',
    fill_value=0  # 填充缺失值为0
)

# 重命名列名以符合需求
result = result.rename(columns={'a': 'drug_a_count', 'b': 'drug_b_count'}).reset_index()

print(result)

方法2：groupby + unstack #

先通过groupby统计数量，再用unstack将行转为列：

# 分组统计数量
grouped = df.groupby(['doctor id', 'drug name'])['patient id'].count()
# 将drug name的行转为列，缺失值填充为0
grouped = grouped.unstack(fill_value=0)
# 重命名列并重置索引
grouped = grouped.rename(columns={'a': 'drug_a_count', 'b': 'drug_b_count'}).reset_index()

print(grouped)

两种方法都能得到符合要求的宽表输出。

内容的提问来源于stack exchange，提问作者Chubaka