基于多条件统计pandas DataFrame行出现次数并整合用户账户聚合数据

1. 一次性完成多指标聚合 #

直接以account、name作为联合分组键，同时计算累计交易金额、交易活跃度（交易次数），无需分开统计再合并，避免映射匹配误差：

# 双字段分组，同时计算两个统计指标
stat_df = df.groupby(['account', 'name'], as_index=False).agg(
    累计交易金额=('amount', 'sum'),
    交易次数=('amount', 'count')
)
# 可按交易次数降序排序，优先展示高活跃账户
stat_df = stat_df.sort_values('交易次数', ascending=False, ignore_index=True)

该方案天然保证账户与用户名的对应关系，千万级数据量下的计算效率远高于apply、分表合并的实现方式。

2. 实现同用户多账户仅首次展示用户名 #

如果需要同一个用户的多条账户记录仅首次显示用户名，先按用户名字段排序保证同用户账户集中排列，再把重复的用户名替换为空即可：

# 先按用户名排序，确保同用户的账户集中展示
stat_df = stat_df.sort_values('name', ignore_index=True)
# 重复用户名置空
stat_df.loc[stat_df['name'].duplicated(), 'name'] = ''

内容的提问来源于stack exchange，提问作者Marelons