在Pandas中混合使用聚合与Group By的实现问题

首先得指出你当前代码的两个核心问题：一是原始数据里的列名是Outcome（首字母大写），你写的是小写outcome，这会导致程序找不到对应列报错；二是就算列名正确，groupby(['Name','Outcome']).agg(['count'])得到的是长表格式的分层索引结果，不是你想要的宽表（每个姓名一行、Pass/Fail作为列）。

下面给你几个能直接生成预期表格的实用方案：

方法1：用pivot_table（最直观） #

这个方法可以直接把Outcome的不同值转成列，自动统计数量，还能填充缺失的0：

# 基于原始数据集生成透视表，size用来统计数量，fill_value填充缺失值为0
result = report.pivot_table(index='Name', columns='Outcome', aggfunc='size', fill_value=0)
# 新增Total列，计算每行Pass和Fail的总和
result['Total'] = result.sum(axis=1)
# 调整列顺序并重置索引，让Name变回普通列
result = result[['Pass', 'Fail', 'Total']].reset_index()

运行后就能得到你想要的统计表格。

方法2：用pd.crosstab #

crosstab是Pandas专门用于交叉统计的工具，操作同样简洁：

import pandas as pd
# 生成姓名与配送结果的交叉统计表，fillna(0)确保缺失值显示为0
result = pd.crosstab(report['Name'], report['Outcome']).fillna(0).astype(int)
# 添加Total列
result['Total'] = result.sum(axis=1)
# 调整列顺序并重置索引
result = result[['Pass', 'Fail', 'Total']].reset_index()

方法3：基于你的groupby逻辑修改 #

如果你一定要保留groupby的思路，需要把分组后的结果通过unstack转成宽表，再处理缺失值：

# 注意列名是大写的Outcome，size统计分组数量
grouped = report.groupby(['Name', 'Outcome']).size().unstack(fill_value=0)
# 新增Total列
grouped['Total'] = grouped.sum(axis=1)
# 调整列顺序并重置索引
grouped = grouped[['Pass', 'Fail', 'Total']].reset_index()

最终输出的结果都会和你预期的表格完全一致：

内容的提问来源于stack exchange，提问作者Nithin Nampoothiry