在R中按类别及二进制类别分组二进制数据框的问题

我明白你想要实现的需求了——按第一列的类别分组，同时对后续每一列的二进制值再做分组统计对吧？先给你搭个清晰的场景，咱们从示例数据入手，一步步解决问题。

第一步：先明确数据结构（示例） #

首先假设你的数据框df长这样（和你描述的结构一致：第一列是2个类别，后续列都是二进制0/1数据）：

import pandas as pd

data = {
    'Category': ['GroupA', 'GroupA', 'GroupB', 'GroupB', 'GroupA'],
    'Col1': [1, 0, 1, 0, 1],
    'Col2': [0, 0, 1, 1, 0],
    'Col3': [1, 1, 0, 1, 0]
}
df = pd.DataFrame(data)

第二步：两种实现方案（按需选择） #

根据你想要的最终结果结构，这里提供两种常用的解决方案：

方案1：类别作为行索引，二进制值作为列层级

如果你希望结果是每个类别一行，后续列按「变量+二进制值」分层，可以用groupby结合value_counts：

# 按Category分组，对每列统计二进制值的出现频次
result = df.groupby('Category').apply(lambda x: x.apply(pd.Series.value_counts)).unstack(level=1)

# 整理列名层级，让结果更直观
result.columns = result.columns.reorder_levels(['Variable', 'Binary_Value'])
result = result.sort_index(axis=1)

运行后得到的结果结构：

Col1        Col2        Col3       
Binary_Value   0    1    0    1    0    1
Category                                 
GroupA         1    2    3    0    1    2
GroupB         1    1    0    2    1    1

如果想要占比而非计数，把pd.Series.value_counts改成pd.Series.value_counts(normalize=True)即可。

方案2：类别+二进制值作为复合行索引

如果你希望结果是每个「类别+二进制值」组合一行，变量作为列，可以先转成长格式再统计：

# 将宽格式数据转成长格式
melted_df = df.melt(id_vars='Category', var_name='Variable', value_name='Binary_Value')

# 用交叉表统计频次
result = pd.crosstab([melted_df['Category'], melted_df['Binary_Value']], melted_df['Variable'])

运行后得到的结果结构：

Variable             Col1  Col2  Col3
Category Binary_Value               
GroupA   0              1     3     1
         1              2     0     2
GroupB   0              1     0     1
         1              1     2     1

补充说明 #

如果你的「指定结构」和上面两种都不一样，或者你的尝试代码有具体的错误点，可以把代码贴出来，我再帮你针对性调整～

内容的提问来源于stack exchange，提问作者Ted