Pandas基于ID列统计Usage_type列各字符串的累计分类计数

实现方案 #

你可以通过独热编码生成哑变量后按ID分组累计求和实现，代码如下：

import pandas as pd

# 示例原数据构造，实际使用时替换为你自己的df即可
df = pd.DataFrame({
    'ID': [5, 6, 7, 5, 7, 10],
    'Usage_type': ['Note', 'Note', 'Service', 'Note', 'Note', 'Service']
})

# 核心计算逻辑
df = pd.concat([
    df,
    pd.get_dummies(df['Usage_type'], prefix='type')
      .groupby(df['ID'])
      .cumsum()
], axis=1)

逻辑说明 #

• 用pd.get_dummies将Usage_type的不同取值转换为0/1格式的哑变量列，自动生成type_Note、type_Service字段
• 按ID字段分组后对哑变量列做累计求和，即可得到每个ID对应不同Usage_type的历史累计计数
• 最后将计算结果与原df拼接，即可得到你需要的输出格式

内容的提问来源于stack exchange，提问作者mmkb