如何用Python Pandas按唯一日期统计多列？pd.value_counts仅支持单列统计

Hey there! 你想要按日期聚合统计good、bad、normal这几列的总数对吧？pd.value_counts确实只适合单列的频次统计，不过咱们用Pandas的分组聚合功能就能轻松搞定这个需求。

核心思路 #

你的数据里每行对应一条记录，good/bad/normal列用0和1标记状态，所以只需要按date分组后对这三列求和，就能得到每个日期下各状态的总数量。

方法一：使用groupby + sum（最直接） #

这是最常用的分组统计方式，代码简洁高效：

import pandas as pd
# 假设你已经读取并整理好df2数据
# 按date分组，指定需求统计的列并求和
result = df2.groupby('date')[['good', 'bad', 'normal']].sum().reset_index()
print(result)

运行后会输出类似这样的结果：

date  good  bad  normal
0  2017-09-16     0    1       1
1  2017-09-20     2    0       0
2  2017-09-22     0    0       1

方法二：使用pivot_table（更灵活的透视统计） #

如果之后需要扩展统计逻辑（比如同时求均值、计数），pivot_table会更灵活，效果和上面一致：

result = pd.pivot_table(
    df2,
    index='date',
    values=['good', 'bad', 'normal'],
    aggfunc='sum'
).reset_index()
print(result)

小提示 #

注意你代码里的"normal":df.norma应该是笔误哦，要改成df.normal，不然会因为找不到对应列报错~

内容的提问来源于stack exchange，提问作者Steven