Python多列分组：Categorical类型与数值类型结果差异原因

差异原因 #

当Series列是数值类型时，groupby只会基于数据中实际存在的(Series, Name)组合进行分组计数，因此只返回有对应数据的行，不会出现计数为0的情况。

而当Series列是Categorical（分类）类型时，分类类型的核心特性是拥有预定义的类别集合（哪怕部分类别在数据中没有实际出现）。pandas对分类列分组时，默认会遍历该列的所有类别，再和Name列的所有唯一值生成笛卡尔积组合，对每个组合计数——不存在的组合自然会得到0值，同时结果会按分类类别和姓名的字母顺序排序。

解决方法 #

如果希望分类列分组时和数值列行为一致，只返回实际存在的组合，可以在groupby中添加observed=True参数：

df.groupby(['Series','Name'], observed=True)['Name'].count()

执行后就会和数值类型分组的结果完全一致，不会出现计数为0的行。

原始数据表格 #

数值类型分组结果 #

分类类型默认分组结果 #

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