Pandas多列分组聚合后添加分组计数列的实现（排除apply方法）

看起来你已经搞定了分组聚合的核心逻辑，现在就差给结果加一个分组计数列，还要求不能用apply，完全用Pandas原生的方法对吧？这事儿其实超简单，直接在你现有的agg聚合操作里加一项就行，根本不用绕弯子。

具体修改方案 #

你只需要在agg的参数里新增一个Count列的聚合规则，用size作为聚合函数（选一个不会有缺失值的列，比如唯一标识的VIN列），就能直接得到每个State-Make分组的总条数。

修改后的完整代码如下：

import pandas as pd

# 保留你原有的过滤条件
filt = (data["Model Year"] >= 2018) & (data["Electric Vehicle Type"] == "Battery Electric Vehicle (BEV)")

# 在agg中新增Count列的聚合
data_agg = data[filt].groupby(["State", "Make"], sort=False, observed=True, as_index=False).agg(
    avg_electric_range=pd.NamedAgg(column="Electric Range", aggfunc="mean"),
    oldest_model_year=pd.NamedAgg(column="Model Year", aggfunc="min"),
    Count=pd.NamedAgg(column="VIN (1-10)", aggfunc="size")  # size统计分组内的总行数
)

为什么这么做？ #

• 用size而不是count：size会直接统计分组的总行数，不管列有没有空值；而count会忽略空值，选VIN这种唯一且无缺失的列配合size，结果最准确。
• 完全在聚合链内完成：没有用到apply，纯Pandas原生操作，效率和可读性都拉满。

更简洁的写法（可选） #

如果你觉得pd.NamedAgg有点繁琐，还可以用更简洁的元组写法，效果完全一样：

data_agg = data[filt].groupby(["State", "Make"], sort=False, observed=True, as_index=False).agg(
    avg_electric_range=("Electric Range", "mean"),
    oldest_model_year=("Model Year", "min"),
    Count=("VIN (1-10)", "size")
)

后续过滤使用 #

得到带Count列的结果后，你就可以直接用这个列做进一步过滤了，比如只保留分组数量大于50的结果：

# 示例：过滤出分组数量超过50的记录
data_filtered = data_agg[data_agg["Count"] > 50]

修改后的结果会是这样的：

State       Make  avg_electric_range  oldest_model_year  Count
0    WA      TESLA           52.143448               2018   1245
1    WA     NISSAN           60.051874               2018    321
<snip>

备注：内容来源于stack exchange，提问作者khteh