如何用Pandas实现类似SQL GROUP BY COUNT的DataFrame统计？

你的代码无法达成目标，原因是casual_filter['start_station_name']是原始逐行数据，而value_counts()返回的是聚合后的结果（每个车站对应一个计数），两者长度、索引都不匹配，直接用assign会导致数据对齐错误，出现大量缺失值。

以下是两种正确实现方式：

方法一：贴近SQL逻辑的groupby写法 #

casual_station_name = casual_filter.groupby('start_station_name')\
                                  .size()\
                                  .reset_index(name='total_ride')

• groupby('start_station_name')按车站名称分组
• size()统计每组的行数（对应SQL里的COUNT(*)）
• reset_index(name='total_ride')将分组索引转为普通列，并指定计数列的名称为total_ride

方法二：利用value_counts快速转换 #

casual_station_name = casual_filter['start_station_name'].value_counts()\
                                                         .reset_index()\
                                                         .rename(columns={'start_station_name': 'station_name', 'count': 'total_ride'})

• value_counts()直接返回每个车站的出现次数
• reset_index()将索引（车站名）转为列
• rename()调整列名到你需要的格式

注意：assign方法适合给现有DataFrame添加列，并不适合做聚合操作生成新的统计DataFrame，所以这里不推荐用assign实现需求。

内容的提问来源于stack exchange，提问作者Cornelias