使用Pandas groupby+value_counts统计区域库存零件数量异常，求排查

问题根源 #

你当前的代码InventorySummary = InventoryRawData.groupby(['Region'])['Part Number'].value_counts()做的是：按区域分组后，统计每个区域内单个零件的重复出现次数，输出结果是一个带多层索引（Region + Part Number）的Series，每个行对应某个区域下某个零件的出现频次。这和你的需求不匹配：

• 若你要统计每个区域的唯一零件总数量：这个代码会输出每个零件的计数（示例中都是1），而非区域的唯一零件总数；
• 若你要输出带Quantity列的结构化结果：当前结果是Series，没有单独的Quantity列，不符合你要的DataFrame格式。

对应解决方案 #

根据你的需求分两种情况处理：

情况1：统计每个区域的唯一零件总数

直接使用nunique()方法计算分组内唯一值的数量，再转成带Quantity列的DataFrame：

InventorySummary = InventoryRawData.groupby(['Region'])['Part Number'].nunique().reset_index(name='Quantity')

输出结果会是每行对应一个区域，Quantity列显示该区域的唯一零件总数。

情况2：保留区域-零件的分层结构，Quantity列显示每个零件的出现次数（示例中均为1）

需要把value_counts()的结果转成DataFrame，并将统计列命名为Quantity：

InventorySummary = InventoryRawData.groupby(['Region'])['Part Number'].value_counts().reset_index(name='Quantity')

这样输出的DataFrame会包含Region、Part Number、Quantity三列，每个零件在对应区域的Quantity值为1（符合你的示例场景）。

内容的提问来源于stack exchange，提问作者MoMo