Pandas 教程：按分组对多列分别统计值频次（宽表→长表→透视表）-Python教程-PHP中文网

本文介绍如何使用 pandas 对多个分类列（如问卷题目）按指定分组变量（如“category”）分别统计各取值出现频次，并以清晰的多级列结构呈现结果。

本文介绍如何使用 pandas 对多个分类列（如问卷题目）按指定分组变量（如“category”）分别统计各取值出现频次，并以清晰的多级列结构呈现结果。

在处理问卷、用户反馈或分类标签类数据时，常需按某一维度（如用户群体、实验组别）分别统计多个问题选项的分布情况。直接对多列使用 groupby().value_counts() 或 pivot_table 容易陷入层级混乱——例如将所有问题组合成笛卡尔积索引，失去“每题独立统计”的语义。正确解法是先标准化数据结构，再统一聚合。

核心思路分三步：

宽表转长表（melt）：将待统计的多列（如 "Question 1", "Question 2"）合并为两列——"Question"（列名作为变量）和 "Value"（对应取值）；
构建多级列透视表（pivot_table）：以分组变量（"Category"）为行索引，以 ["Question", "Value"] 为列索引，用 aggfunc="size" 统计频次；
自动填充缺失值（fill_value=0）：确保未出现的组合显示为 0，而非 NaN。

以下是完整可运行代码示例：

import pandas as pd

# 构造示例数据
data = {
    "ID": [1, 2, 3, 4],
    "Category": ["A", "A", "B", "B"],
    "Question 1": ["Agree", "Disagree", "Agree", "Disagree"],
    "Question 2": ["Agree", "Agree", "Agree", "Disagree"]
}
df = pd.DataFrame(data)

# 步骤1：宽表 → 长表（保留 ID 和 Category 为标识列）
df_long = df.melt(
    id_vars=["ID", "Category"],
    value_vars=["Question 1", "Question 2"],
    var_name="Question",
    value_name="Value"
)

# 步骤2 & 3：按 Category 分组，对 (Question, Value) 组合做频次透视
result = df_long.pivot_table(
    index="Category",
    columns=["Question", "Value"],
    aggfunc="size",
    fill_value=0
)

print(result)

输出结果为标准的多级列 DataFrame：

飞象老师

一款AI办公效率工具，主要用于猿辅导推出的AI教学辅助工具，适合需要提升相关任务效率的用户。

下载

Question Question 1          Question 2         
Value         Agree Disagree      Agree Disagree
Category                                        
A                 1        1          2        0
B                 1        1          1        1

✅ 优势说明：

列名层级清晰：第一级为问题名称（Question 1/Question 2），第二级为选项值（Agree/Disagree），语义一目了然；
支持任意数量问题列：只需扩展 value_vars 列表（如 ["Q1", "Q2", "Q3", "Q4"]）；
兼容任意分类型值（字符串、数字、布尔值等），无需预定义类别。

⚠️ 注意事项：

若原始数据中某题存在空值（NaN），melt 后会保留，pivot_table 默认会忽略 NaN 作为列值；如需统计缺失值，可先用 df.fillna("Missing") 处理；
pivot_table(..., aggfunc="size") 等价于 pivot_table(..., aggfunc=lambda x: len(x))，但更高效；
如需进一步计算百分比，可在 result 上使用 result.div(result.sum(axis=1), axis=0).round(3) 实现行归一化。

该模式是 Pandas 数据重塑的经典实践，兼顾可读性、扩展性与性能，适用于各类多维分类频次分析场景。