对含两个分类变量的DataFrame执行groupby并统计唯一组合数的问题

嘿，我来帮你搞定这个分组计数的问题！先理清楚你的场景和遇到的问题：

你的场景 #

你有这样一个数据集：

body-style make
0 convertible alfa-romeo
1 convertible alfa-romeo
2 hatchback alfa-romeo
3 sedan audi
4 sedan audi

想要按make和body-style的唯一组合统计数量，得到这样的结果：

make body-style count
0 alfa-romero convertible 2
1 alfa-romero hatchback 1
2 audi sedan 2

你尝试的代码是：

body = pd.DataFrame({'make':['alfa-romeo','alfa-romeo','alfa-romeo','audi','audi'], 'body-style':['convertible','convertible','hatchback','sedan','sedan']})
body.groupby(by=['make','body-style'], as_index=False).count()

但遇到了list index out of range的错误，移除其中一个分组列或者去掉as_index=False能运行，但结果不符合需求，你不想用新增全1列再sum的方法，想要更简洁的实现。

问题出在哪？ #

当你用groupby(..., as_index=False).count()的时候，因为你的DataFrame里只有make和body-style两列，而这两列都被你用作分组键了，count()函数会尝试统计每个分组里非分组列的非空值数量，但此时根本没有其他列可以统计，所以就触发了这个错误。

几个简洁的解决方案 #

这里有三种直接的方法，都不需要新增额外列：

方法1：用size()（最推荐） #

size()是Pandas专门用来统计分组行数的方法，不管你有没有其他列，它都能直接返回每组的数量，搭配as_index=False再重命名列就行：

body.groupby(by=['make','body-style'], as_index=False).size().rename(columns={'size': 'count'})

这个方法逻辑最清晰，完全贴合你的需求，一步到位。

方法2：用value_counts()快速统计 #

如果你的需求就是统计两列的所有唯一组合数量，value_counts()更简单，它会直接给出所有组合的计数，之后转成DataFrame调整结构即可：

pd.DataFrame(body.value_counts()).reset_index().rename(columns={0: 'count'})

value_counts()返回的是一个Series，索引是组合对，值是数量，reset_index()把索引转成普通列，再把默认的列名0改成count就完美了。

方法3：用agg()指定计数列 #

也可以用agg()方法，明确指定用某一列（比如make）来计数，这样即使所有列都是分组键也不会出错：

body.groupby(by=['make','body-style'], as_index=False).agg(count=('make', 'count'))

这里用agg()的字典语法，直接生成名为count的列，用make列的count()方法统计行数，结果和前两种一致。

最终效果 #

以上三种方法都能得到你想要的输出：

make   body-style  count
0  alfa-romeo  convertible      2
1  alfa-romeo    hatchback      1
2        audi        sedan      2

内容的提问来源于stack exchange，提问作者Justin