Python合并两个DataFrame分组数据未达预期，求解决方案

步骤1：将第一个DataFrame转为长格式 #

把df中的多列服务（Service、Service2、Service3）转换为每行一个服务的结构，保留Code关联：

import pandas as pd

data = {'Code':['xxy','zzy','rrf','ado'], 
        'Service':["23a","22c","21d","24o"],
        'Service2':["44e", "32c","85a","26f"],
        'Service3':["42e", "32z","8m","2c"],
       }
df = pd.DataFrame(data)

days = {'Services':['23a','23a','44e','zzy', "8m", "8m", "8m", "26f", "8m", "2c", "24o", "26f" ], 
        'Type days':["Monday","Tuesday","Tuesday","Wednesday", "Tuesday", "Wednesday", "Monday", "Tuesday", "Monday", "Wednesday", "Monday", "Tuesday"]
       }
df2 = pd.DataFrame(days)

# 转换为长格式，去除多余的服务类型列
df_long = df.melt(id_vars='Code', value_name='Services').drop(columns='variable')

步骤2：合并数据并统计各天出现次数 #

将长格式的df_long与df2按Services合并，然后分组统计每个Code下每个服务在各天的出现次数：

# 合并两个DataFrame，保留所有服务条目
merged = pd.merge(df_long, df2, on='Services', how='left')

# 分组统计，缺失的天数填充0
count_df = merged.groupby(['Code', 'Services', 'Type days']).size()\
                 .unstack(fill_value=0)\
                 .reset_index()

# 确保所有天数列存在，避免部分服务无对应天数的情况
for day in ['Monday', 'Tuesday', 'Wednesday']:
    if day not in count_df.columns:
        count_df[day] = 0

步骤3：整理为预期格式 #

• 如果需要明细格式（每个服务一行）：直接使用count_df，它包含每个Code下每个服务的各天计数
• 如果需要宽格式（每个Code一行，服务+天数为列）：执行以下代码合并回原DataFrame：

# 将统计结果转为宽格式，列名格式为「服务_天数」
wide_count = count_df.melt(id_vars=['Code', 'Services'], var_name='Day', value_name='Count')\
                     .pivot(index='Code', columns=['Services', 'Day'], values='Count')\
                     .fillna(0)

# 合并回原df，得到包含所有统计列的最终结果
final_df = pd.merge(df, wide_count, on='Code')

内容的提问来源于stack exchange，提问作者Thornos