Python Pandas动态区间分组统计问题求助

这需求我之前处理过，刚好可以用Pandas的分组+动态区间映射来实现，完全支持增删区间自动调整结果列，下面给你具体的实现步骤和代码：

步骤1：构造示例数据 #

先把你给出的示例数据用Pandas构造出来，方便后续演示：

import pandas as pd

# 原始数据
df = pd.DataFrame({
    'A': ['P1', 'P1', 'P2', 'P2', 'P1', 'P1', 'P1'],
    'B': ['P2', 'P2', 'P2', 'P1', 'P3', 'P3', 'P3'],
    'val': [12, 14, 18, 17, 15, 16, 13]
})

# 自定义区间配置
bins_df = pd.DataFrame({
    'MIN': [12, 13, 16],
    'MAX': [12, 15, 17]
})

步骤2：动态生成区间标签与映射逻辑 #

这里的核心是动态适配区间配置，不管你增删多少区间，代码都不用改：

# 将区间转换为元组列表，同时生成对应的列名（比如V_12_12）
bins = list(zip(bins_df['MIN'], bins_df['MAX']))
bin_labels = [f'V_{min_val}_{max_val}' for min_val, max_val in bins]
# 别忘了加上"其他值"的列名
bin_labels.append('V_OTHERS')

# 定义函数：判断每个val属于哪个区间
def get_bin_label(val):
    for (min_val, max_val), label in zip(bins, bin_labels[:-1]):
        if min_val <= val <= max_val:
            return label
    # 不属于任何定义区间的，归为OTHERS
    return 'V_OTHERS'

# 给原始数据添加区间标签列
df['bin_label'] = df['val'].apply(get_bin_label)

步骤3：分组统计并转换为目标格式 #

接下来按A、B分组，统计每个区间的数量，再转换成你需要的宽表格式：

# 分组统计每个区间的数量，unstack把标签转为列，fill_value=0填充空值
count_result = df.groupby(['A', 'B', 'bin_label']).size().unstack(fill_value=0)

# 确保所有区间列都存在（比如某个分组没有对应区间的数据，也要显示0）
for label in bin_labels:
    if label not in count_result.columns:
        count_result[label] = 0

# 调整列的顺序，和区间定义的顺序一致，最后保留V_OTHERS
count_result = count_result[bin_labels]

# 重置索引，把A、B从索引变回普通列
final_result = count_result.reset_index()

print(final_result)

运行后输出的结果和你期望的完全一致：

A   B  V_12_12  V_13_15  V_16_17  V_OTHERS
0  P1  P2        1        1        0         0
1  P1  P3        0        2        1         0
2  P2  P1        0        0        1         0
3  P2  P2        0        0        0         1

动态调整区间的说明 #

如果需要增删区间，只需要修改bins_df即可，比如新增一个MIN=18, MAX=20的区间，代码不需要做任何改动，结果会自动新增V_18_20列；删除某个区间的话，结果里对应的列也会消失，完全满足你的动态调整需求。

内容的提问来源于stack exchange，提问作者user19725009