如何在Pandas透视表的索引中统计唯一值并保留原有聚合结果？

嘿，我明白你的需求啦——既要保留原来按球员+球队分组、按比赛汇总得分的透视表，又要额外统计每个球员总共效力过多少支不同的球队，对吧？其实你之前提到的nunique()完全可以处理字符串类型的，只是需要换个方式来用～

我给你两种可行的方案，你可以根据自己的习惯选：

方案一：先做透视表，再合并球队统计数 #

1. 先单独计算每个球员的唯一球队数量：

# 按player分组，统计每个player对应的team唯一值数量，并重命名列名
team_count = df.groupby('player')['team'].nunique().rename('unique_teams')

2. 生成你原本需要的透视表：

pivot = pd.pivot_table(df, index=['player', 'team'], columns='game', values='score', aggfunc='sum', fill_value='')

3. 将球队统计数合并到透视表中：

# 利用join方法，通过player这个索引层级合并数据
result = pivot.join(team_count, on='player')

这样得到的结果里，每一行都会显示对应球员的总唯一球队数，同时保留了原来按比赛汇总的得分数据——比如James的每一行都会显示unique_teams=3，Henry的每一行显示2，完全符合你的要求。

方案二：先给原数据添加统计列，再生成透视表 #

如果你想一步到位，也可以先给原数据集加上每个球员的唯一球队数，再做透视表：

# 用map方法给每一行匹配对应player的唯一球队数
df['unique_teams'] = df['player'].map(df.groupby('player')['team'].nunique())

# 生成透视表时，同时聚合score和unique_teams——因为同一player的unique_teams是固定值，用first/max都可以
pivot = pd.pivot_table(df, index=['player', 'team'], columns='game', values=['score', 'unique_teams'], 
                       aggfunc={'score': 'sum', 'unique_teams': 'first'}, fill_value='')

这种方式会把unique_teams作为一个单独的列组放在透视表中，同样能满足你的需求。

这两种方法里，nunique()都能正常处理team列的字符串值，你之前可能是没找对使用的场景～

备注：内容来源于stack exchange，提问作者Tom Hughes