按Type与option统计各年份出现次数的Pandas实现问题

问题背景 #

现有如下Pandas DataFrame：

import pandas as pd

d_f = pd.DataFrame({
'Type': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'],
'count': ['one', 'one', 'two', 'two', 'one', 'one'],
2022: [0, 0, 0.5, 1, 1, 1],
2023: [0, 0.5, 0.5, 1, 1, 1],
2024: [0.5, 0.5, 1, 1, 0, 0],
2025: [1, 0, 0.5, 0.5, 1, 1],
2026: [0, 0.5, 1, 1, 0, 0.5],
'option': [0, 1, 0, 0.5, 1, 0.5]})

需要实现：按Type分组，统计每个option值对应的各年份列的记录出现次数。

尝试了以下两段代码，但都没得到正确结果：

尝试代码1 #

table = d_f.pivot_table(index=['Type'], columns='option',aggfunc='count').fillna(0)
table

尝试代码2 #

table = d_f.groupby(['option', 'Type'])[2022, 2023, 2024, 2025, 2026].count()
table = table.unstack(level=0).fillna(0)

预期结果结构：

• 行索引为Type的两个取值：foo、bar
• 列是多层索引：第一层为年份（2022到2026），第二层为option的取值（0、0.5、1）
• 每个单元格对应Type+option组合下，对应年份的有效记录条数

解决方案 #

方法1：groupby + size + 层级调整 #

# 按Type和option分组，统计每组记录数，unstack把option转为列
table = d_f.groupby(['Type', 'option'])[[2022,2023,2024,2025,2026]].size().unstack(fill_value=0)
# 交换列层级，把年份放到上层，option放到下层并排序
table = table.swaplevel(axis=1).sort_index(axis=1)

方法2：pivot_table 指定聚合列 #

table = d_f.pivot_table(
    index='Type',
    columns=['option'],
    values=[2022,2023,2024,2025,2026],
    aggfunc='count',
    fill_value=0
)
# 调整列层级顺序，匹配预期结果
table = table.swaplevel(axis=1).sort_index(axis=1)

最终结果 #

运行后得到的结果如下：

2022        2023        2024        2025        2026       
option    0  0.5  1    0  0.5  1    0  0.5  1    0  0.5  1    0  0.5  1
Type                                                                   
foo       2    0  1    2    0  1    2    0  1    2    0  1    2    0  1
bar       0    2  1    0    2  1    0    2  1    0    2  1    0    2  1

问题原因分析 #

• 第一段代码的pivot_table未指定values参数，会对所有列（包括count列）聚合，导致结果包含多余层级和无关数据。
• 第二段代码的groupby顺序是['option', 'Type']，unstack后列层级顺序与预期相反，且未做层级调整，最终结构不符合要求。

内容的提问来源于stack exchange，提问作者Adam