Pandas使用groupby和count()对含Key的三列数据分组统计

需求说明 #

现有包含Key、Name、location三列的数据集，需要对包含Key在内的三列做联合比对，借助groupby()与count()方法实现分组统计计数，最终按指定格式输出：按location字段分组，同组下不重复的Name值拼接展示，同时统计每个Name对应的记录数生成COUNT字段。

实现代码 #

import pandas as pd

# 加载/构造数据集
df = pd.DataFrame([
    [112, 'A', 'ABCD'],
    [112, 'A', 'ABCD'],
    [128, 'B', 'BCDE'],
    [138, 'C', 'ABCD'],
    [128, 'B', 'BCDE'],
    [112, 'A', 'ABCD'],
    [115, 'D', 'BCDE']
], columns=['Key', 'Name', 'location'])

# 三列联合分组统计计数
# 统计三列完全一致的记录总条数用这行
stat = df.groupby(['location', 'Name', 'Key'], as_index=False).agg(cnt=('Key', 'count'))
# 如果要统计三列去重后的唯一组合数，把上面一行替换为下面这行即可
# stat = df[['location', 'Name', 'Key']].drop_duplicates().assign(cnt=1)

# 按location二次聚合，拼接成要求的输出格式
result = stat.groupby('location', as_index=False).apply(
    lambda g: pd.Series({
        'Name': ','.join(g['Name'].tolist()),
        'COUNT': ','.join([f"{n}->{c}" for n,c in zip(g['Name'], g['cnt'])])
    })
)

print(result)

输出结果 #

按三列统计总记录数的输出：

切换为去重唯一组合计数时，输出和示例格式完全匹配：

注：代码预留了两种计数逻辑的切换入口，可根据实际业务需求选择对应实现。

内容的提问来源于stack exchange，提问作者Jack