Pandas透视表aggfunc参数如何设置以实现Counter累加？

嘿，我来帮你搞定这个问题！你之前尝试用aggfunc=['+']没生效，是因为pandas的aggfunc参数需要接收可调用的函数，而不是字符串或者字符串列表——pandas没办法把'+'解析成Counter对象的加法逻辑。

正确的解决方案 #

Counter对象本身支持加法操作（counter1 + counter2会合并计数），我们只需要自定义一个聚合函数，把分组内的所有Counter累加起来就行。具体有两种写法：

方法1：定义明确的聚合函数

from collections import Counter
import pandas as pd

# 示例数据
c = Counter(a=4, b=2)
df = pd.DataFrame({"A": ["group1", "group1", "group1", "group2", "group2"], "B": [c, c, c, c, c]})

# 自定义聚合函数：累加一组Counter对象
def sum_counters(counter_series):
    # sum的初始值必须设为Counter()，默认0会触发类型错误
    return sum(counter_series, Counter())

# 创建透视表
pt = pd.pivot_table(df, index='A', values='B', aggfunc=sum_counters)

方法2：使用lambda表达式简化

如果不想单独定义函数，也可以直接用lambda表达式传入aggfunc：

pt = pd.pivot_table(df, index='A', values='B', aggfunc=lambda x: sum(x, Counter()))

验证结果 #

执行完代码后，你可以查看结果：

print(pt.loc['group1', 'B'])  # 输出: Counter({'a': 12, 'b': 6})
print(pt.loc['group2', 'B'])  # 输出: Counter({'a': 8, 'b': 4})

完全符合你期望的累加效果！

补充：用groupby实现同样效果 #

如果你不需要透视表的额外功能，用groupby会更直接：

result = df.groupby('A')['B'].apply(lambda x: sum(x, Counter()))

内容的提问来源于stack exchange，提问作者zxzx179