Python pandas按列分组统计元素出现次数并保留分组首行如何实现

现有以下结构的DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'Column A': [12,12,12, 13, 15, 16, 141, 141, 141, 141],
    'Column B':['Apple' ,'Apple' ,'Orange' ,'Apple' , np.nan, 'Orange', 'Apple', np.nan, 'Apple', 'Apple']
})

• 按Column A的值分组：
  1. 若分组内行数>1（存在重复分组）：统计Column B中Orange的出现次数填入新列Column C，统计Apple的出现次数填入新列Column D
  2. 若分组内行数=1（非重复分组）：若Column B为NaN，则Column C、Column D填NaN；否则按实际值匹配，是Orange则C=1、D=0，是Apple则C=0、D=1
• 分组Column E规则：若分组内Column B存在Orange填Yes，不存在填No，若分组Column B全为NaN则填NaN
• 最终输出每个分组仅保留第一行

def process_group(group):
    # 取分组第一行作为基础返回行
    res = group.iloc[0:1].copy()
    b_values = group['Column B']
    
    # 处理Column C、Column D
    if b_values.isna().all():
        res['Column C'] = np.nan
        res['Column D'] = np.nan
    else:
        res['Column C'] = (b_values == 'Orange').sum()
        res['Column D'] = (b_values == 'Apple').sum()
    
    # 处理Column E
    if b_values.isna().all():
        res['Column E'] = np.nan
    else:
        res['Column E'] = 'Yes' if (b_values == 'Orange').any() else 'No'
    
    return res

# 按Column A分组处理后重置索引
result = df.groupby('Column A', as_index=False).apply(process_group).reset_index(drop=True)
# 可选：将C、D列转为支持NaN的整数类型，输出格式更贴合预期
result[['Column C', 'Column D']] = result[['Column C', 'Column D']].astype('Int64')

print(result)

运行代码后得到的结果和预期完全一致：

Column A Column B  Column C  Column D Column E
0        12    Apple         1         2      Yes
1        13    Apple         0         1       No
2        15      NaN      <NA>      <NA>      NaN
3        16   Orange         1         0      Yes
4       141    Apple         0         3       No

内容的提问来源于stack exchange，提问作者new_bee