Pandas数据清洗遇阻：如何创建基于行值的活动合计列？

嘿，我来帮你搞定这个数据清洗的难题！你想要的是按CustomerID分组，统计每个客户的Email和Call总次数，然后把这些统计值对应到每一行的新列里，对吧？

先说说你之前代码的问题：你写的df.groupby('ActivityType'=='Email').transform('sum')逻辑不对——'ActivityType'=='Email'是一个布尔值（结果是False），不是用来分组的列名，而且你需要按CustomerID分组，而不是按ActivityType的判断结果来分组，自然得不到想要的结果。

下面给你两种可行的解决方案：

方法一：用transform结合条件统计 #

这种方法最直接，直接在原DataFrame上生成合计列：

import pandas as pd

# 你的原始数据
df = pd.DataFrame({
    'CustomerID': ['01134A', '01134B', '01134A', '01134B'],
    'ActivityType': ['Email', 'Email', 'Call', 'Email']
})

# 生成TotalEmail列：按CustomerID分组，统计每组内Email的数量
df['TotalEmail'] = df.groupby('CustomerID')['ActivityType'].transform(lambda x: (x == 'Email').sum())
# 生成TotalCall列：同理统计Call的数量
df['TotalCall'] = df.groupby('CustomerID')['ActivityType'].transform(lambda x: (x == 'Call').sum())

print(df)

运行后就能得到你期望的输出：

CustomerID ActivityType  TotalEmail  TotalCall
0     01134A         Email           1          1
1     01134B         Email           2          0
2     01134A          Call           1          1
3     01134B         Email           2          0

代码解释： #

• groupby('CustomerID')：把数据按客户ID分成不同的组
• transform()：会把每个组的计算结果“广播”到组内的每一行，保证新列和原DataFrame长度一致
• lambda x: (x == 'Email').sum()：在每个客户组里，判断ActivityType是否为Email，然后求和得到该客户的总Email次数

方法二：用交叉表+合并 #

如果你更习惯先统计再合并，也可以用pd.crosstab生成客户-活动类型的计数表，再合并回原数据：

import pandas as pd

df = pd.DataFrame({
    'CustomerID': ['01134A', '01134B', '01134A', '01134B'],
    'ActivityType': ['Email', 'Email', 'Call', 'Email']
})

# 生成每个客户的各活动类型计数表
counts = pd.crosstab(df['CustomerID'], df['ActivityType']).fillna(0).astype(int)
# 合并回原DataFrame
df = df.merge(counts, left_on='CustomerID', right_index=True, how='left')
# 重命名列名符合你的需求
df = df.rename(columns={'Email': 'TotalEmail', 'Call': 'TotalCall'})

print(df)

这个方法也能得到完全一样的结果，适合需要先查看整体计数情况的场景。

内容的提问来源于stack exchange，提问作者Esther