如何在Pandas中按列分组并统计每组内各值的出现次数

我想在Pandas里用groupby按指定列分组，统计每组中各个值的出现次数。示例数据如下：

d = {'Period': [1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4], 
'Result': ['True','True','False','True','False','True','False','True','True','False','False','True','False','True','False','False']}
df = pd.DataFrame(data=d)
df.sort_values(by=['Period'], inplace=True)
print(df)

期望输出是每个Period分组中'True'和'False'的出现次数，格式如下：

Period
1 : 2 True, 2 False
2 : 2 True, 1 False
3 : 0 True, 4 False
4 : 3 True, 1 False

但我试了几种方法都达不到需求：

• count()仅统计每组的总条目数；
• nunique()返回每组的唯一值数量；
• unique()返回每组的唯一值但不统计次数。

完整测试代码如下：

# 创建DataFrame
d = {'Period': [1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4], 
'Result': ['True','True','False','True','False','True','False','True','True','False','False','True','False','True','False','False']}
df = pd.DataFrame(data=d)
df.sort_values(by=['Period'], inplace=True)
print(df)

# 分组并打印统计结果
print(df.groupby('Period')['Result'].count())
print(df.groupby('Period')['Result'].nunique())
print(df.groupby('Period')['Result'].unique())

解决方法 #

你需要用groupby结合value_counts()来统计每组内各值的出现次数，再通过unstack()将结果整理为列格式，最后填充缺失值（避免分组中不存在某个值时不显示统计数），再格式化输出。

方法1：value_counts + unstack

# 分组统计各值出现次数，转为列格式并填充缺失值为0
counts = df.groupby('Period')['Result'].value_counts().unstack(fill_value=0)

# 按期望格式输出
print("Period")
for period, row in counts.iterrows():
    print(f"{period} : {row['True']} True, {row['False']} False")

方法2：使用pd.crosstab

也可以直接用交叉表crosstab生成统计结果，写法更简洁：

counts = pd.crosstab(df['Period'], df['Result'])

# 按期望格式输出
print("Period")
for period, row in counts.iterrows():
    print(f"{period} : {row['True']} True, {row['False']} False")

以上两种方法都能输出你需要的结果，其中fill_value=0（方法1）或crosstab默认的0值，确保即使分组中没有某个值（比如Period3中没有'True'），也会显示0次。

内容的提问来源于stack exchange，提问作者John Conor