如何使用pandas的value_counts统计多列组合及分组服务数？

嘿，我懂你现在的需求——之前用value_counts统计单列ID的数量很顺手，但现在想升级到每个ID对应的服务数量统计，对吧？我结合你的示例数据给你几种实用的解决方案，分两种常见场景来说明～

首先先把你的示例数据代码放出来，方便后续演示：

import pandas as pd
d = {'id': [1, 1, 2, 3, 3], 'service': [3, 3, 4, 2, 3], 'name': ['Joe', 'Joe', 'Bob', 'Val', 'Val']}
df = pd.DataFrame(data=d)

场景1：统计每个ID对应的服务条目总数 #

如果你的需求是统计每个ID下一共有多少条服务记录（比如ID=1有2条服务记录），可以用groupby搭配size或者count：

# 方法1：得到Series格式的统计结果
id_service_total = df.groupby('id')['service'].size()

# 方法2：转成带列名的DataFrame，更直观
id_service_total_df = df.groupby('id')['service'].size().reset_index(name='service_total_count')

运行后id_service_total_df的结果是：

场景2：统计每个ID对应的唯一服务数量 #

如果你的需求是统计每个ID下有多少种不同的服务（比如ID=3有2种不同的服务：2和3），就用groupby搭配nunique：

# 得到带列名的DataFrame结果
id_unique_service_df = df.groupby('id')['service'].nunique().reset_index(name='unique_service_count')

运行后id_unique_service_df的结果是：

把统计结果合并回原DataFrame #

如果你想给原表格的每一行都添加上对应ID的服务统计数据，可以用transform方法，它会把分组统计的结果广播到每一行：

# 添加每个ID的服务条目总数列
df['service_total_per_id'] = df.groupby('id')['service'].transform('size')

# 添加每个ID的唯一服务数量列
df['unique_service_per_id'] = df.groupby('id')['service'].transform('nunique')

处理后的df会变成这样：

简单说下区别：size是统计分组后的总行数，count是统计分组内非空值的数量（你的数据没有空值，所以两者结果一致）；nunique则是统计分组内唯一值的数量，按需选用就好～

内容的提问来源于stack exchange，提问作者EduardoG