如何在Pandas DataFrame中按类别生成不同状态的计数列

嘿，我明白你遇到的问题了——想要给每行添加对应cat分组下status=1和status=2的总次数，之前试了各种方法但没搞定多状态的情况对吧？别担心，这里有两种简洁可靠的方法帮你实现需求：

方法一：用groupby+value_counts+merge #

先创建你的原始DataFrame：

import pandas as pd

data = {'id': [1,2,3,4,5,6], 'cat': ['A', 'A', 'A', 'A', 'A', 'B'], 'status': [1, 1, 1, 1, 2, 1]}
df = pd.DataFrame(data)

第一步，按cat分组统计每个status的出现次数，并用unstack把行转成列（空值用0填充）：

# 分组统计各status的计数
grouped_counts = df.groupby('cat')['status'].value_counts().unstack(fill_value=0)
# 重命名列名匹配你的需求
grouped_counts = grouped_counts.rename(
    columns={1: 'status_1_for_cat_count', 2: 'status_2_for_category_count'}
)

第二步，把统计结果合并回原DataFrame：

result_df = df.merge(grouped_counts, on='cat', how='left')

方法二：用transform直接生成列（更简洁） #

transform方法可以直接返回和原DataFrame长度一致的结果，无需额外合并操作，一步到位：

# 统计每个cat分组下status=1的次数
df['status_1_for_cat_count'] = df.groupby('cat')['status'].transform(lambda x: (x == 1).sum())
# 统计每个cat分组下status=2的次数
df['status_2_for_category_count'] = df.groupby('cat')['status'].transform(lambda x: (x == 2).sum())

最终输出结果 #

不管用哪种方法，你都会得到符合预期的DataFrame：

为什么之前的尝试可能没成功？ #

你提到用了groupby结合unique_counts、apply等方法没成功，大概率是因为这些方法返回的是分组后的聚合结果（长度和分组数一致），没有和原DataFrame的每一行对应上。而transform会自动把聚合结果广播到原分组的每一行，merge则是显式把统计结果关联回去，这两种方法都能解决多状态+类别统计的匹配问题。

内容的提问来源于stack exchange，提问作者Mathijs de Jong