如何按col1分组统计col3≥95时col2中1和0的数量？

先筛选出col3 ≥ 95的数据集，再按col1分组统计col2中1和0的数量，以下是两种简洁的实现方式：

方法一：groupby + value_counts #

# 过滤出col3≥95的数据
filtered_df = df[df['col3'] >= 95]
# 按col1分组，统计每组col2的取值数量，空值用0填充
result = filtered_df.groupby('col1')['col2'].value_counts().unstack(fill_value=0)

运行后会生成一个结构化表格：行对应col1的各个取值（NAME、CITY、STATE），列对应0和1，单元格是对应分组下的统计数量。

方法二：pd.crosstab一步生成结果 #

import pandas as pd

# 直接用交叉表完成过滤+分组统计
result = pd.crosstab(
    index=df[df['col3'] >= 95]['col1'],
    columns=df[df['col3'] >= 95]['col2'],
    dropna=False
).fillna(0)

这种方式无需分步处理，直接输出和方法一一致的统计结果。

针对你的示例数据，最终结果如下： #

你之前写的过滤条件逻辑有误，应该先锁定col3≥95的行，再按col1分组统计，而不是用|（或逻辑）关联条件。

内容的提问来源于stack exchange，提问作者Cosmo Boy