如何在Pandas中按id和group分组统计Cat的出现次数？

我来帮你搞定这个Pandas分组统计的问题！先明确下你的场景和需求：

现有如下DataFrame：

import pandas as pd
df = pd.DataFrame([
    ('A', 'A', 'Cat'), ('A', 'A', 'Dog'), ('A', 'A', 'Cat'),
    ('A', 'B', 'Dog'), ('B', 'B', 'Rat'), ('B', 'C', 'Cat'), ('B', 'C', 'Cat')
], columns=['id', 'group', 'Animal'])

需求：按id和group分组，统计每组中Cat的出现次数，期望输出为[2, 0, 0, 2]（对应AA组2只Cat、AB组0只、BB组0只、BC组2只）

这里给你两种简单高效的实现方法：

方法一：简洁直接的单目标统计法 #

这种方法专门针对Cat做统计，代码短且高效：

# 按id和group分组，统计每组中Cat的数量
cat_counts = df.groupby(['id', 'group'])['Animal'].apply(lambda x: (x == 'Cat').sum()).tolist()
print(cat_counts)  # 输出: [2, 0, 0, 2]

逻辑解释： #

• groupby(['id', 'group'])：把id和group组合相同的行归为一组，比如所有id=A且group=A的行是一组
• apply(lambda x: (x == 'Cat').sum())：对每个组的Animal列做判断——把等于'Cat'的元素标记为True（等价于1），否则为False（等价于0），再用sum()统计总数量
• .tolist()：把最终的统计结果转成你需要的列表格式

方法二：支持多动物统计的通用法 #

如果你之后需要同时统计其他动物的数量，这种方法会更灵活：

# 分组后统计所有动物的出现次数，缺失的动物用0填充
grouped_animal_counts = df.groupby(['id', 'group'])['Animal'].value_counts().unstack(fill_value=0)
# 提取Cat列的结果转为列表
cat_counts = grouped_animal_counts['Cat'].tolist()
print(cat_counts)  # 输出: [2, 0, 0, 2]

逻辑解释： #

• value_counts()：统计每个组内各动物的出现次数，比如AA组会得到Cat:2, Dog:1
• unstack(fill_value=0)：把动物名称从行索引转成列，没有出现过的动物用0填充，这样每个组都会有Cat的计数（哪怕是0）
• 除了提取Cat列，你还可以直接查看grouped_animal_counts，获取所有动物的分组统计结果

内容的提问来源于stack exchange，提问作者user9617403