Python Pandas新手求助：将指定DataFrame转换为聚合表

嘿，刚接触Pandas的话，这个聚合需求其实非常容易实现！我们可以用Pandas内置的分组或透视表功能，快速得到你想要的聚合统计结果。

首先先还原你的样例DataFrame（补充了截断的部分）：

import pandas as pd

# 模拟你的原始数据
data = {
    'AutomationStatus': ['Done']*10 + ['Will Not Automate'] + ['Review for Automation']*11,
    'TestPriority': [4]*10 + [3] + [3]*11
}
df = pd.DataFrame(data)

方法1：用groupby生成宽格式聚合表 #

这是最常用的分组统计方式，配合unstack可以把优先级转成列，形成类似交叉表的效果：

# 按状态和优先级分组，统计每组数量，再转成宽表
agg_wide = df.groupby(['AutomationStatus', 'TestPriority']).size().unstack(fill_value=0)
print(agg_wide)

输出结果会是：

TestPriority               3   4
AutomationStatus                
Done                       0  10
Review for Automation     11   0
Will Not Automate          1   0

fill_value=0是为了填充那些没有对应组合的单元格，避免出现NaN

方法2：用pivot_table直接生成透视表 #

如果你更习惯透视表的逻辑，pivot_table会更直观，一步到位生成聚合表：

# 透视表参数：行是状态，列是优先级，聚合方式是计数，空值补0
agg_pivot = pd.pivot_table(
    df,
    index='AutomationStatus',
    columns='TestPriority',
    aggfunc='size',
    fill_value=0
)
print(agg_pivot)

这个方法的输出和方法1完全一致，适合喜欢可视化表格逻辑的同学。

方法3：生成长格式聚合表 #

如果你不需要宽表，想要每行展示一个「状态+优先级」的组合及其数量，可以用这个方式：

agg_long = df.groupby(['AutomationStatus', 'TestPriority']).size().reset_index(name='Count')
print(agg_long)

输出结果：

AutomationStatus  TestPriority  Count
0                  Done             4     10
1  Review for Automation             3     11
2      Will Not Automate             3      1

这样就能轻松得到你需要的聚合结果啦，要是对某个步骤有疑问，随时问哦～

内容的提问来源于stack exchange，提问作者Mahyar