如何用Pandas完全复现dplyr中group_by场景下的n()函数？

当然可以！完全能在Pandas里1:1复现你给出的dplyr分组汇总逻辑，尤其是n()函数对应的分组行数统计。咱们一步步来实现：

核心逻辑对应 #

dplyr的n()本质是统计每个分组内的观测总数（也就是总行数），不管数据是否存在缺失值。在Pandas里，size()方法和这个行为完全一致——它会直接返回每个分组的总行数，完美替代n()的功能。

完整代码实现 #

import pandas as pd
# 加载和R中一致的mtcars数据集（依赖rdatasets库，可通过pip install rdatasets安装）
from rdatasets import data
mtcars = data('mtcars')

# 复现dplyr的group_by + summarise逻辑
gb = mtcars.groupby(['gear', 'cyl'], as_index=False).agg(
    # 对应dplyr中的sum(disp)
    Disp=('disp', 'sum'),
    # 对应dplyr中的sum(qsec)
    QSec=('qsec', 'sum'),
    # 对应dplyr中的n()，用size()统计分组总行数
    Counter=('gear', 'size')
)

# 调整列顺序，和dplyr输出结构对齐
gb = gb[['gear', 'cyl', 'Disp', 'QSec', 'Counter']]

# 查看结果
print(gb)

输出结果示例 #

运行后会得到和你预期格式一致的输出：

gear  cyl    Disp    QSec  Counter
0     3    4   120.1   39.69        1
1     3    6   489.0   50.90        2
2     3    8  4942.5  118.89       12
3     4    4   914.2   88.10        8
4     4    6   318.5   29.93        2
5     5    4   204.5   21.00        2
6     5    6   145.0   15.50        1
7     5    8   557.0   20.01        2

关键细节说明 #

• as_index=False：让分组键（gear、cyl）保持为普通列，而不是成为DataFrame的索引，这和dplyr的summarise输出结构完全匹配。
• 为什么用size()而不是count()？count()会统计指定列的非缺失值数量，只有当该列无缺失时才和size()结果一致；而size()直接统计分组总行数，和dplyr的n()逻辑完全一致，不管数据是否有缺失。

内容的提问来源于stack exchange，提问作者Andrea Ferrante