Pandas DataFrame按country、rating分组并规范化owner列统计计数

原始数据 #

country rating         owner
0  England      a    John Smith
1  England      b    John Smith
2   France      a     Frank Foo
3   France      a     Frank foo
4   France      a  Frank    Foo
5   France      b     Frank Foo

需求说明 #

按country和rating分组后，忽略owner列的大小写及所有空格（首尾、中间），统计每个分组下的owner数量，期望输出：

country rating       owner  count
0  England      a  John Smith      1
1  England      b  John Smith      1
2   France      a   Frank Foo      3
3   France      b   Frank Foo      1

尝试过的错误代码 #

df.group_by(['rating','owner'])['owner'].count()

df.group_by(['rating','owner'].str.lower())['owner'].count()

解决方案 #

核心思路是先对owner列做标准化清洗，生成统一的匹配键，再基于该键分组统计：

步骤1：生成清洗后的owner匹配键 #

用正则去掉所有空格，同时统一转为小写，确保不同格式的同一owner被识别为同一类：

df['owner_clean'] = df['owner'].str.replace(r'\s+', '', regex=True).str.lower()

步骤2：分组统计并整理结果 #

按country、rating和清洗后的匹配键分组，统计数量的同时保留原始的规范owner名称（这里取分组内第一个有效值并去除首尾空格）：

result = df.groupby(['country', 'rating', 'owner_clean'], as_index=False).agg(
    owner=('owner', lambda x: x.iloc[0].strip()),
    count=('owner', 'count')
).drop('owner_clean', axis=1)

完整代码 #

import pandas as pd

# 构造原始DataFrame
data = {
    'country': ['England', 'England', 'France', 'France', 'France', 'France'],
    'rating': ['a', 'b', 'a', 'a', 'a', 'b'],
    'owner': ['John Smith', 'John Smith', 'Frank Foo', 'Frank foo', 'Frank    Foo', 'Frank Foo']
}
df = pd.DataFrame(data)

# 清洗owner列生成匹配键
df['owner_clean'] = df['owner'].str.replace(r'\s+', '', regex=True).str.lower()

# 分组统计并整理结果
result = df.groupby(['country', 'rating', 'owner_clean'], as_index=False).agg(
    owner=('owner', lambda x: x.iloc[0].strip()),
    count=('owner', 'count')
).drop('owner_clean', axis=1)

print(result)

错误代码问题说明 #

• 第一段代码直接使用原始owner分组，未处理大小写和空格，导致同一owner的不同格式被当成不同类别，统计结果错误。
• 第二段代码语法错误，列表对象没有str.lower()方法，无法直接对列名列表做字符串处理。

内容的提问来源于stack exchange，提问作者Max1975