本文介绍使用pandas对多个分类列分别按cohort分组计数，并将结果标准化为“cohort-variable-description-frequency”长格式dataframe的完整方法，避免循环拼接，提升代码可读性与执行效率。
本文介绍使用pandas对多个分类列分别按cohort分组计数，并将结果标准化为“cohort-variable-description-frequency”长格式dataframe的完整方法，避免循环拼接，提升代码可读性与执行效率。
在数据分析和仪表盘开发中，常需将宽表中的多个分类变量（如Program Size、Rating）分别与主分组维度（如Cohort）交叉聚合，最终整合为统一的长格式结构——这不仅便于可视化工具消费，也利于后续动态筛选与钻取。手动循环+pd.concat()虽可行，但易出错、难维护；而采用列表推导式 + pd.concat() + 链式操作，可实现简洁、高效、一次成型。
以下是以您提供的示例数据为基础的完整实现：
import pandas as pd
# 原始数据
data = {
'ID': [105, 106, 107, 108, 109, 110, 111, 112],
'Name': ['Bill', 'Jane', 'Mary', 'Rich', 'Tomas', 'Kiki', 'Martin', 'Larry'],
'Cohort': ['Cohort A', 'Cohort A', 'Cohort A', 'Cohort A', 'Cohort B', 'Cohort B', 'Cohort B', 'Cohort B'],
'Program Size': ['small', 'large', 'medium', 'medium', 'large', 'small', 'large', 'medium'],
'Rating': ['excellent', 'good', 'needs improvement', 'needs improvement', 'good', 'excellent', 'good', 'excellent']
}
df = pd.DataFrame(data)
# 定义列映射：原始列名 → Variable字段值（小写、去空格）
col_mapping = {
'Program Size': 'size',
'Rating': 'rating'
}
# 一行式构建目标DataFrame（推荐写法）
final_df = pd.concat([
df.groupby(['Cohort', col], as_index=False)
.agg(Frequency=('ID', 'count')) # 按Cohort+当前列分组计数
.rename(columns={col: 'Description'}) # 统一重命名为Description
.assign(Variable=col_mapping[col]) # 新增Variable列，值来自映射字典
[['Cohort', 'Variable', 'Description', 'Frequency']] # 严格保序输出列
for col in col_mapping.keys()
], ignore_index=True).sort_values(['Cohort', 'Variable']).reset_index(drop=True)
print(final_df)
✅ 输出结果完全匹配您的预期结构：
Cohort Variable Description Frequency 0 Cohort A size small 1 1 Cohort A size medium 2 2 Cohort A size large 1 3 Cohort B size small 1 4 Cohort B size medium 1 5 Cohort B size large 2 6 Cohort A rating excellent 1 7 Cohort A rating good 1 8 Cohort A rating needs improvement 2 9 Cohort B rating excellent 2 10 Cohort B rating good 2
? 关键要点与注意事项：
-
as_index=False确保groupby返回普通DataFrame而非MultiIndex，便于后续链式操作； - 使用
agg(..., Frequency=('ID', 'count'))明确指定聚合列与别名，比.size()更语义清晰且兼容空组处理； -
assign()用于安全添加新列，避免inplace=True等过时用法； - 最终
sort_values()按Cohort和Variable排序，保证逻辑一致性；建议追加.reset_index(drop=True)消除索引碎片； - 若后续需扩展更多列（如加入
'Region'），只需更新col_mapping字典即可，无需修改主逻辑。
该方案兼具可读性、可维护性与性能优势，是构建分析就绪（analysis-ready）长格式数据的标准实践。
