如何用Python Pandas实现类似R dplyr/SQL的单语句分组汇总报表？

DevOps 小满

2026-5-15

嗨，我完全懂这种从熟悉的工具转到新环境的困惑！你用R dplyr和SQL写的聚合逻辑很清晰，在Pandas里其实用单条groupby+agg语句就能完美实现，不用拆分多次操作。直接给你等价的代码，再帮你对应上原来的逻辑：

import pandas as pd

# 假设你的原始数据框名为 df
summary_df = df.groupby('x', as_index=False).agg(
    # 对应R: n_distinct(y[is.na(y)==F]) | SQL: count(distinct(case when y is not null then y end))
    y_distinct=('y', lambda col: col.dropna().nunique()),
    # 对应R: n_distinct(z[is.na(z)==F]) | SQL: count(distinct(case when z is not null then z end))
    z_distinct=('z', lambda col: col.dropna().nunique()),
    # 对应R: n() | SQL: count(1) （统计组内总行数）
    total=('x', 'size'),
    # 对应R: length(y[is.na(y)==F]) | SQL: count(case when y is not null then 1 end)
    y_not_missing=('y', 'count'),
    # 对应R: length(y[is.na(y)==T]) | SQL: count(case when y is null then 1 end)
    y_missing=('y', lambda col: col.isna().sum())
)

关键逻辑对应说明：

去重非缺失值统计：用lambda col: col.dropna().nunique()，先过滤缺失值再统计唯一值，和你R/SQL的逻辑完全一致。
总行数统计：用size而不是count——因为count会忽略列的缺失值，而size是统计组内的所有行数，完美匹配n()和count(1)的效果。
非缺失值计数：Pandas的count聚合函数默认会自动忽略缺失值，直接用('y', 'count')就搞定，不用额外写判断。
缺失值计数：通过col.isna()把缺失值转成布尔值，再用sum()统计True的数量（True等价于1），就是缺失值的总数。