Python中按link条件分组后统计category全类别计数的问题

需求说明 #

给定如下数据集：

| link | category |
| ---- | -------- |
|  1   |     0    |
|  1   |     0    |
|  1   |     1    |
|  2   |     0    |
|  3   |     1    |
|  3   |     1    |

需要实现：

1. 按link分组，仅保留出现次数>1的link
2. 对每个分组的category统计计数，必须显示所有category层级（即使该category在分组中未出现，计数显示为0）
   期望输出格式如下：

| link | category counts |
| ---- | --------------- |
|  1   |      0 : 2      |
|      |      1 : 1      |
| ---- | --------------- |
|  3   |      0 : 0      |
|      |      1 : 2      |

测试数据生成代码 #

import pandas as pd
df = pd.DataFrame({'link' : [1,1,1,2,3,3],
                   'category' : [0,0,1,0,1,1]})

现有尝试的问题 #

使用代码：

df.groupby('link')['category'].value_counts(sort=False)

得到的结果存在两个问题：

• 保留了出现次数仅1次的link2
• link3的category0未显示（缺失计数为0的行）

解决方案 #

步骤1：筛选有效link #

先统计每个link的出现次数，过滤掉出现次数≤1的link：

# 统计每个link的出现次数
link_counts = df['link'].value_counts()
# 筛选出现次数>1的link
valid_links = link_counts[link_counts > 1].index
# 过滤原数据框
filtered_df = df[df['link'].isin(valid_links)]

步骤2：统计所有category层级的计数 #

通过groupby+unstack补全缺失的category层级，自动填充计数为0：

# 分组统计，unstack后补全缺失category为0，再stack转回原结构
grouped_counts = filtered_df.groupby(['link', 'category']).size() \
                            .unstack(fill_value=0) \
                            .stack()
# 转为DataFrame并重置索引
result_df = grouped_counts.reset_index(name='count')

运行后result_df的内容为：

link  category  count
0     1         0      2
1     1         1      1
2     3         0      0
3     3         1      2

步骤3：调整为期望的跨行显示格式 #

如果需要和示例一样的跨行合并link的显示效果，可以用pandas的style功能实现：

styled_table = result_df.style \
    .set_table_styles([
        # 给第一列添加右侧边框
        {'selector': 'td:first-child', 'props': [('border-right', '1px solid #000')]},
        # 在link3的行前添加分隔线
        {'selector': 'tr:nth-child(3) td', 'props': [('border-top', '1px solid #000')]}
    ]) \
    .hide(axis='index')

# 显示表格
styled_table

完整可运行代码 #

import pandas as pd

# 生成测试数据
df = pd.DataFrame({'link' : [1,1,1,2,3,3],
                   'category' : [0,0,1,0,1,1]})

# 筛选有效link
link_counts = df['link'].value_counts()
valid_links = link_counts[link_counts > 1].index
filtered_df = df[df['link'].isin(valid_links)]

# 统计所有category层级的计数
result_df = filtered_df.groupby(['link', 'category']).size() \
                       .unstack(fill_value=0) \
                       .stack() \
                       .reset_index(name='count')

# 打印结果
print(result_df)

# 生成跨行显示的样式表格（可选）
styled_table = result_df.style \
    .set_table_styles([
        {'selector': 'td:first-child', 'props': [('border-right', '1px solid #000')]},
        {'selector': 'tr:nth-child(3) td', 'props': [('border-top', '1px solid #000')]}
    ]) \
    .hide(axis='index')

styled_table

内容的提问来源于stack exchange，提问作者AngelMarcos