如何用Pandas按id分组并统计各分组中gender的m、f数量？

首先先回顾下你的原始数据生成代码：

import pandas
df = pandas.DataFrame()
df['id'] = list('aaabbbcccdddeee')
df['gender'] = list('mmfmfmmffmfmfff')

生成的DataFrame是：

id gender
0 a m
1 a m
2 a f
3 b m
4 b f
5 b m
6 c m
7 c f
8 c f
9 d m
10 d f
11 d m
12 e f
13 e f
14 e f

想要得到按id分组，统计每个id下m和f的数量，这里有两种简单高效的方法：

方法一：使用groupby + value_counts + unstack #

这是最直观的分组统计方式，步骤清晰：

import pandas as pd

# 生成原始数据
df = pd.DataFrame()
df['id'] = list('aaabbbcccdddeee')
df['gender'] = list('mmfmfmmffmfmfff')

# 分组统计并转换格式
result = df.groupby('id')['gender'].value_counts().unstack(fill_value=0)
# 调整列顺序为m在前、f在后，确保和目标格式一致
result = result[['m', 'f']]
print(result)

运行后输出就是你想要的：

m  f
a  2  1
b  2  1
c  1  2
d  2  1
e  0  3

代码解释：

• groupby('id')：按照id列对DataFrame进行分组
• ['gender'].value_counts()：统计每个分组内gender列中各值的出现次数
• unstack(fill_value=0)：把原本作为行索引的gender值转换为列，同时把缺失的数值（比如e分组里没有m）填充为0
• 最后通过[['m', 'f']]指定列的顺序，保证输出和预期一致

方法二：使用pivot_table（透视表） #

如果你习惯用透视表的思路，这个方法更简洁：

import pandas as pd

df = pd.DataFrame()
df['id'] = list('aaabbbcccdddeee')
df['gender'] = list('mmfmfmmffmfmfff')

result = pd.pivot_table(df, index='id', columns='gender', aggfunc='size', fill_value=0)[['m', 'f']]
print(result)

代码解释：

• pivot_table：Pandas的透视表函数，专门用于分组聚合统计
• index='id'：指定行索引为id
• columns='gender'：指定列名为gender的不同取值
• aggfunc='size'：统计每个分组的行数（也就是各性别的数量）
• fill_value=0：填充缺失值为0
• 同样通过[['m', 'f']]调整列顺序

两种方法都能完美得到你需要的结果，选哪个看你个人习惯啦~

内容的提问来源于stack exchange，提问作者user1367204