Python Groupby计数问题：桑基图数据预处理遇阻

我明白你在制作桑基图时遇到的分组统计问题了——你需要统计event_action_num到next_action_num的跳转次数，并用三列格式输出，但直接用groupby().count()没得到预期结果。

问题原因 #

你当前的代码df_new.groupby(['event_action_num', 'next_action_num']).count()会做两件不符合你需求的事：

• 它会统计每组内所有非分组列的非空值数量（比如你的示例里会统计index列的计数，但结果会保留这个列名，而不是你想要的count_of）
• 分组字段event_action_num和next_action_num会变成DataFrame的多级索引，而不是普通列，格式和你期望的不一致。

解决方案 #

这里有两种简单的方法可以得到你想要的结果：

方法1：使用size()统计行数（推荐）

size()会直接统计每组的总行数，配合reset_index()把索引转成普通列，再用name参数指定计数列的名称：

df_new_2 = df_new.groupby(['event_action_num', 'next_action_num']).size().reset_index(name='count_of')

方法2：指定列使用count()

如果你更习惯用count()，可以指定一个没有空值的列（比如你的index列）来统计，同样需要reset_index()调整格式：

df_new_2 = df_new.groupby(['event_action_num', 'next_action_num'])['index'].count().reset_index(name='count_of')

结果验证 #

用你提供的示例数据运行上述代码，会得到如下格式的结果：

完全符合你想要的输出格式，后续就可以用这个数据来制作桑基图啦。

内容的提问来源于stack exchange，提问作者Kirk