Pandas groupby按指定列分组统计多列数值出现频次实现问题

核心思路为先规整数据结构，再按指定字段分组统计频次，以下是两种可直接运行的实现方案：

方案1：宽表转长表后分组统计 #

import pandas as pd

# 假设你原始的DataFrame命名为df
# 1. 把需要统计的3/4/5/6列转为长表结构
df_melt = df.melt(id_vars=[0], value_vars=[3,4,5,6])
# 2. 按第0列和数值分组统计出现次数
res = df_melt.groupby([0, 'value'], as_index=False)['variable'].count()
# 3. 重命名列匹配期望输出格式
res.columns = [0, 3, 4]
# 可选：按第0列、数值列排序
res = res.sort_values(by=[0, 3]).reset_index(drop=True)

方案2：分组后直接栈化统计 #

import pandas as pd

res = df.groupby(0, as_index=False).apply(
    lambda group: group[[3,4,5,6]].stack().value_counts()
).rename(columns={'level_1': 3, 0: 4})

注意：如果你的DataFrame列是字符串类型，需要把代码里的数字列名包裹引号，比如id_vars=['0']、value_vars=['3','4','5','6']即可。

两种方案输出结果均完全匹配你给出的期望格式。

内容的提问来源于stack exchange，提问作者Lucas Francklin