Pandas如何统计行级唯一组合数量并生成含count列的新DataFrame

现有代码适配性说明 #

你当前使用的groupby统计逻辑本身完全支持最多到cat_7的分类列场景，只需把groupby入参的列名列表补充到cat_7即可。注意如果要保留包含Null的分组，需要显式指定dropna=False参数，避免pandas默认过滤掉含空值的组合。

优化实现（自动匹配全部分类列） #

如果分类列统一使用cat_前缀，可以自动提取列名，避免手动列写漏列的问题：

# 自动提取所有cat开头的分类列
cat_cols = [col for col in df1.columns if col.startswith('cat_')]
# 统计唯一组合出现次数，直接指定count列名
result_df = df1.groupby(cat_cols, dropna=False).size().reset_index(name='count')
# 可选：严格确保count列为int类型
result_df['count'] = result_df['count'].astype(int)

结果校验 #

执行完成后可以通过result_df['count'].sum() == len(df1)判断统计是否完整，返回True即说明所有行都被纳入统计没有遗漏。

内容的提问来源于stack exchange，提问作者Tim