如何用Python Pandas按ID分组统计Prob列0和1的出现次数并生成新列

原始数据 #

import pandas as pd

d = {'ID':['X1','Y1','Z3','X1','X1','Z3','L1','H5','H5','H5'],'Prob':[0,0,1,1,1,1,0,0,0,0]}
frame = pd.DataFrame(d)

需求目标 #

按ID分组，统计Prob列中0和1的出现次数，生成zero_count和one_count两列，预期结果：

ID     zero_count    one_count
X1     1             2
Y1     1             0
Z3     0             2
L1     1             0
H5     3             0

错误尝试分析 #

用户尝试的代码无法得到预期结果：

frame.groupby(['ID','prob'])['index'].count().reset_index(name='zero_count')

问题点：

• 列名拼写错误：prob应为大写的Prob
• 分组逻辑仅生成单一计数列，无法拆分出0和1的独立统计列
• 引用了不存在的index列，统计行数应直接用size()或针对目标列计数

解决思路与正确代码 #

方法一：使用crosstab（最简洁） #

利用pd.crosstab直接生成交叉统计表格，自动计算每个ID下0和1的出现次数，再重命名列即可：

result = pd.crosstab(frame['ID'], frame['Prob']).rename(columns={0: 'zero_count', 1: 'one_count'}).reset_index()

方法二：分组后用value_counts+unstack #

先按ID分组，对Prob列做值计数，再通过unstack将行维度的统计结果转为列，最后填充缺失值为0并重置索引：

result = frame.groupby('ID')['Prob'].value_counts().unstack(fill_value=0).rename(columns={0: 'zero_count', 1: 'one_count'}).reset_index()

方法三：自定义聚合函数 #

通过自定义函数实现每个分组内0和1的数量统计，适合扩展更复杂的统计逻辑：

def count_zero_one(group):
    return pd.Series({
        'zero_count': (group['Prob'] == 0).sum(),
        'one_count': (group['Prob'] == 1).sum()
    })

result = frame.groupby('ID').apply(count_zero_one).reset_index()

三种方法均可得到符合预期的结果，其中crosstab代码最简洁，适配这类基础交叉统计需求。

内容的提问来源于stack exchange，提问作者Chip