Pandas DataFrame分组后区分有效无效计数并拆分为多列的实现方法

你可以通过两种常用路径实现需求，可根据你当前的代码进度选择：

方案1：基于你已生成的df2直接处理 #

如果已经生成了包含id1、id2、Count的df2，可直接加标记列后做分组聚合转宽：

# 先定义无效id2的常量
INVALID_ID2 = "00000000-0000-0000-0000-000000000000"

# 新增列标记当前计数属于有效还是无效
df2["count_type"] = df2["id2"].apply(lambda x: "InvalidCount" if x == INVALID_ID2 else "ValidCount")

# 按id1和计数类型分组求和后转宽表，空值补0
result = df2.groupby(["id1", "count_type"])["Count"].sum().unstack(fill_value=0).reset_index()

# 调整列顺序匹配预期输出
result = result[["id1", "ValidCount", "InvalidCount"]]
print(result)

方案2：直接从原始df一步生成结果，性能更优 #

如果还没生成df2，建议直接从原始df处理，减少一次分组操作：

import pandas as pd

INVALID_ID2 = "00000000-0000-0000-0000-000000000000"

# 先给原始df加是否有效的标记列
df["is_valid"] = df["id2"] != INVALID_ID2

# 按id1分组直接聚合两个统计值
result = df.groupby("id1").agg(
    ValidCount = ("is_valid", "sum"),
    InvalidCount = ("is_valid", lambda x: (~x).sum())
).reset_index()

print(result)

两种方案输出都和你给出的预期样例完全一致。如果存在某个id1下只有有效/只有无效计数的场景，fill_value=0会自动把缺失的统计值补为0，不会出现空值异常。

内容的提问来源于stack exchange，提问作者sri