如何用Pandas按评分区间与房型分组统计数量？

步骤1：划分评分区间 #

先将评分字段映射到你已定义的区间中，确保所有数据都能匹配对应区间：

import pandas as pd

# 复用你已使用的评分区间边界
bins = [19.92, 30.0, 40.0, 50.0, 60.0, 70.0, 80.0, 90.0, 100.0]
# 给区间设置可读标签（可选，不影响统计逻辑）
labels = ["(19.92, 30.0]", "(30.0, 40.0]", "(40.0, 50.0]", "(50.0, 60.0]", 
          "(60.0, 70.0]", "(70.0, 80.0]", "(80.0, 90.0]", "(90.0, 100.0]"]

# 新增列存储每条数据对应的评分区间
df['rating_bin'] = pd.cut(df['review_scores_rating'], bins=bins, labels=labels, include_lowest=True)

步骤2：双维度分组统计 #

同时按评分区间和房型分组，统计每个组合的数量：

# 按评分区间+房型分组，统计每组的记录数
grouped_data = df.groupby(['rating_bin', 'room_type']).size().reset_index(name='count')

步骤3：转换为目标格式 #

通过unstack将房型从行维度转为列维度，并用fillna(0)填充空值（表示该区间下对应房型无数据）：

# 转换结构并处理空值
result_df = grouped_data.set_index('rating_bin').unstack('room_type').fillna(0)
# 清理多层列名，让结果更简洁
result_df.columns = result_df.columns.droplevel(0)

最终结果示例 #

运行后会得到符合需求的DataFrame，结构如下：

补充说明 #

• 如果你的原始数据已存在评分区间列，可直接跳过步骤1，用该列参与分组。
• fillna(0)是为了保证所有区间-房型组合都有数值，避免空值干扰后续分析。

内容的提问来源于stack exchange，提问作者Tomas Rodriguez