pandas中按字符串列聚合DataFrame 统计name与value组合下country列计数

问题原因 #

• 现有代码不符合预期主要有两个原因：
  1. pandas groupby 默认会丢弃分组键里的NaN/缺失值，所以country列为空的分组直接被排除，不会进入统计
  2. 用agg({"country": "count"})的方式聚合后，结果会自带MultiIndex，且列名和结构和预期输出不一致

正确实现代码 #

只需要给groupby添加dropna=False参数保留空值分组，用size()统计每组的行数，再重置索引重命名计数列即可：

grouped = dfB.groupby(["name", "value", "country"], dropna=False).size().reset_index(name="count")

如果country列的空值是空白字符串而非pandas默认的NaN，无需额外处理，上述代码会自动将空白字符串当做独立类别统计，最终输出的结构和你给出的预期结果完全一致。

如果你使用的pandas版本低于1.1.0（不支持dropna参数），可以先将country列的缺失值替换为占位符再分组，最后再替换回空值即可：

dfB['country'] = dfB['country'].fillna('temp_placeholder')
grouped = dfB.groupby(["name", "value", "country"]).size().reset_index(name="count")
grouped['country'] = grouped['country'].replace('temp_placeholder', '')

内容的提问来源于stack exchange，提问作者Dawn.Sahil