Pandas统计DataFrame各分组匹配指定列表的元素数并新增列

首先导入依赖、加载测试数据：

import pandas as pd

# 定义目标匹配列表
The_list = ["A", "B", "D"]

# 加载测试数据集
df = pd.DataFrame({
    'Groups': {0: 'G1', 1: 'G1', 2: 'G1', 3: 'G1', 4: 'G2', 5: 'G2', 6: 'G2', 7: 'G3', 8: 'G3', 9: 'G4', 10: 'G4', 11: 'G4', 12: 'G4'}, 
    'Values': {0: 'A', 1: 'B', 2: 'C', 3: 'D', 4: 'A', 5: 'B', 6: 'A', 7: 'A', 8: 'D', 9: 'Z', 10: 'D', 11: 'E', 12: 'C'}
})

实现逻辑 #

• 逐行判断Values列的值是否属于The_list，匹配成功标记为1，否则标记为0
• 按Groups列分组做聚合统计，同组所有行填充相同的聚合结果
• 用groupby搭配transform可以直接生成和原表长度一致的统计列，不需要额外做表关联，代码最简洁

实现代码 #

场景1：统计分组内匹配元素总个数（重复值计入统计） #

df['New_column'] = df['Values'].isin(The_list).groupby(df['Groups']).transform('sum')

运行后输出结果：

Groups Values  New_column
0      G1      A           3
1      G1      B           3
2      G1      C           3
3      G1      D           3
4      G2      A           3
5      G2      B           3
6      G2      A           3
7      G3      A           2
8      G3      D           2
9      G4      Z           1
10     G4      D           1
11     G4      E           1
12     G4      C           1

场景2：统计分组内匹配元素的去重唯一值个数 #

如果需要重复值只算一次，用如下代码即可：

df['New_column'] = df.groupby('Groups')['Values'].transform(lambda x: x[x.isin(The_list)].nunique())

运行后输出结果：

Groups Values  New_column
0      G1      A           3
1      G1      B           3
2      G1      C           3
3      G1      D           3
4      G2      A           2
5      G2      B           2
6      G2      A           2
7      G3      A           2
8      G3      D           2
9      G4      Z           1
10     G4      D           1
11     G4      E           1
12     G4      C           1

注：你提供的期望输出中G3、G4的统计值和给定The_list的匹配规则不符，可根据实际业务规则调整判断条件即可。

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