Pandas如何按唯一id分组统计各颜色字段的出现次数

问题场景 #

现有如下结构的DataFrame：

import pandas as pd
df = pd.DataFrame({"id": [1, 2, 2, 1, 3, 3, 2, 1, 2], 
                   "colors": ['green', 'blue', 'green', 'yellow', 'yellow', 'yellow', 'green', 'red', 'black']})

该DataFrame包含id、colors两个长度相同的序列，id与colors之间无固定对应规则，例如id为1的记录可对应green、yellow、red等任意颜色值。
需求为生成新的DataFrame，规则如下：

• 第一列为所有唯一id值
• 后续每一列对应所有出现过的颜色值
• 单元格内容为对应id下该颜色的出现次数
  预期输出结果：

原有尝试代码的等值判断逻辑无法正常运行，原代码如下：

print(df.loc[df.id.unique() == df["id"], "colors"].value_counts())

实现方案 #

方案1：使用pd.crosstab（最简洁） #

pandas内置的交叉表函数专门用于这类分组频次统计场景，自动补全缺失组合为0，一行代码即可得到结果：

# 直接生成结果，id为行索引
result = pd.crosstab(index=df['id'], columns=df['colors'])
# 如果需要把id转为普通列，追加reset_index即可
result = pd.crosstab(index=df['id'], columns=df['colors']).reset_index()

方案2：groupby + unstack #

如果更熟悉分组聚合逻辑，可以用分组计数后转列的方式实现，效果完全一致：

result = df.groupby(['id', 'colors']) # 按id、颜色双字段分组
          .size() # 统计每组的记录条数
          .unstack(fill_value=0) # 将颜色从行索引转为列，缺失值填充为0
          .reset_index() # 将id从索引转为普通列

两种方案运行后输出的结果都和预期完全匹配。

内容的提问来源于stack exchange，提问作者Dryade