如何在pandas中实现多个日期列的数据聚合统计

解决方案 #

你可以先将原宽表转为长格式，再分组统计后转回目标宽表格式，具体实现代码如下：

# 1. 转换为长格式，过滤掉未接种的空日期记录
melted = df.melt(id_vars='name', 
                 value_vars=['vaccine_1', 'vaccine_2'],
                 var_name='vaccine_type',
                 value_name='date').dropna(subset=['date'])

# 2. 按日期和疫苗剂次分组统计人数，再转为目标宽表结构
result = melted.groupby(['date', 'vaccine_type'])['name'].count()\
               .unstack(fill_value=0)\
               .rename(columns={'vaccine_1':'vaccine_1_total', 'vaccine_2':'vaccine_2_total'})\
               .reset_index()

print(result)

如果偏好单独统计再合并的逻辑，也可以用如下简化写法：

# 分别统计两剂疫苗的每日接种量
v1_count = df.groupby('vaccine_1')['name'].count().rename('vaccine_1_total')
v2_count = df.groupby('vaccine_2')['name'].count().rename('vaccine_2_total')

# 按日期对齐合并两个统计结果，缺失值填充为0
result = pd.concat([v1_count, v2_count], axis=1).fillna(0).reset_index(names='date')

输出结果示例 #

内容的提问来源于stack exchange，提问作者catris25