按ISO3分组统计各国每年设立的保护区数量，代码报错求助

原代码的问题 #

• len(group[columns])返回的是整数（该国家保护区总数量），不是可操作的Series/DataFrame，所以column["ISO3"] = key会直接报错——整数类型不支持这种赋值操作。
• 逻辑完全偏离需求：代码只计算了每个国家的保护区总数，没有实现“按年份拆分统计数量”的核心目标。
• 循环拼接DataFrame的方式效率极低，不符合pandas的最佳实践。

正确实现方法（推荐无循环方案） #

假设你的原始数据集是包含ISO3和STATUS_YR列的DataFrame（命名为df），直接用pandas内置的分组聚合功能即可完成需求，无需手动循环：

方法1：groupby + unstack #

# 按国家+年份分组统计数量，将年份转为列，无数据的年份填充0
protected_areas = df.groupby(['ISO3', 'STATUS_YR']).size().unstack(fill_value=0)
# 将ISO3从索引转为普通列
protected_areas = protected_areas.reset_index()

方法2：pivot_table（透视表） #

protected_areas = pd.pivot_table(
    df,
    index='ISO3',          # 行维度：国家ISO3代码
    columns='STATUS_YR',   # 列维度：保护区设立年份
    aggfunc='count',       # 统计各分组的数量
    values='STATUS_YR',    # 任意存在的列都可，这里用STATUS_YR本身
    fill_value=0           # 无数据的年份填充0
).reset_index()

如果一定要用循环（不推荐） #

如果坚持要用循环处理已分组的wdpa4_grouped，可以修改为：

protected_areas = pd.DataFrame()

for key, group in wdpa4_grouped:
    # 统计当前国家各年份的保护区数量
    year_counts = group['STATUS_YR'].value_counts().rename(key).to_frame().T
    # 拼接到结果DataFrame中
    protected_areas = pd.concat([protected_areas, year_counts], axis=0)

# 填充缺失年份为0，转换为整数类型，重置索引并修正列名
protected_areas = protected_areas.fillna(0).astype(int).reset_index().rename(columns={'index': 'ISO3'})

内容的提问来源于stack exchange，提问作者Patrick