如何用Pandas生成带多聚合的自定义分组DataFrame

原始DataFrame #

Id Type  Speed Efficiency Durability
0   Id001    A     OK         OK      nonOK
1   Id002    A  nonOK         OK      nonOK
2   Id003    B  nonOK      nonOK      nonOK
3   Id004    B  nonOK      nonOK         OK
4   Id005    A  nonOK      nonOK         OK
5   Id006    A     OK         OK         OK
6   Id007    A     OK      nonOK         OK
7   Id008    B  nonOK      nonOK         OK
8   Id009    C     OK         OK         OK
9   Id010    B     OK         OK      nonOK
10  Id011    C     OK      nonOK         OK
11  Id012    C     OK      nonOK         OK
12  Id013    C  nonOK         OK         OK
13  Id014    C  nonOK      nonOK         OK
14  Id015    C  nonOK      nonOK         OK

期望输出 #

Type   Test  Speed  Efficiency  Durability
0    A     OK      3           3           3
1    A  nonOK      2           2           2
2    B     OK      1           1           2
3    B  nonOK      3           3           2
4    C     OK      3           2           6
5    C  nonOK      3           4           0

实现方案 #

你之前用的groupby('Type').agg('count')仅能统计每组行数，无法拆分OK/nonOK的状态统计，这里提供两种可行方案：

方法1：melt+pivot_table（直观易理解）

import pandas as pd

# 1. 将宽表转成长表，提取Type、指标名称、状态值
melted_df = df.melt(
    id_vars='Type',
    value_vars=['Speed', 'Efficiency', 'Durability'],
    var_name='Metric',
    value_name='Test'
)

# 2. 按Type和Test分组，统计每个指标的数量
result = melted_df.pivot_table(
    index=['Type', 'Test'],
    columns='Metric',
    aggfunc='count',
    fill_value=0
).reset_index()

# 3. 调整列顺序匹配目标格式
result = result[['Type', 'Test', 'Speed', 'Efficiency', 'Durability']]

方法2：groupby+自定义统计函数（效率更高）

import pandas as pd

# 定义统计函数：返回当前列中OK和nonOK的数量
def count_ok_nonok(series):
    count_ok = (series == 'OK').sum()
    count_nonok = (series == 'nonOK').sum()
    return pd.Series([count_ok, count_nonok], index=['OK', 'nonOK'])

# 按Type分组，对三个指标列应用统计函数
result = df.groupby('Type')[['Speed', 'Efficiency', 'Durability']].agg(count_ok_nonok)

# 展开多层索引，整理成目标格式
result = result.unstack().reset_index()
result.columns = ['Type', 'Test', 'Speed', 'Efficiency', 'Durability']

两种方法均可得到目标输出，小数据场景用方法1更直观，大数据场景用方法2效率更优。

内容的提问来源于stack exchange，提问作者Timeless