Python 如何在分组之后获得图案的计数？

我有一个由三列组成的数据框，例如orderid、time和status。每个订单可以有多种状态，例如新订单、已填写订单、部分订单、已取消订单。因此，订单id 123可以从新订单变为取消订单等，也可以有新订单10次

我的问题是，在我按订单id和时间进行分组后，如何找到每个订单状态模式的计数？e、 .g新的填充内容出现了多少次？“新建”、“新建”和“取消”显示多少次

我尝试了下面的方法，但我不知道如何才能得到我想要的结果

sortedOrders=OrdersAll.sort_values(['ordid','timestamp'], ascending=[True, True])
sortedOrdersAll.groupby(['ordid','ostatus']).count()

---

我创建了一个虚拟数据帧df。下面您可以参考获取状态模式计数的逻辑

[109]中的

：状态='new，filled，partial，cancelled'。拆分（'
在[102]中：df=pd.DataFrame（[[random.randint（1,25），random.randint（100200），status[random.randint（0,3）]，用于范围（50）]，列=['order\u id'，'timestamp'，'status']
In[103]：测向头（10）
出[103]：
订单id时间戳状态
020120新
19118取消
216125部分
39124取消
42190已填妥
53185部分
65162人已填妥
721101新
825115已填妥
914141已填妥
在[104]中：df_group=df.groupby（'order_id'，as_index=False）
在[105]中：带有时间戳的定义状态转换（每个分组的df）：
…：sorted_df=每个_分组的_df。sort_值（'timestamp'，升序=True）
…：连接的_转换='，'.join（已排序的_df['status']）
…：返回连接的_转换
...:
在[106]中：result=df_grouped['status'].agg（带时间戳的状态转换）
In[107]：结果头（10）
出[107]：
订单id状态
0 1已填充
1 2已填写，已取消
部分的，取消的，部分的
3 4已填写、新增、取消
4.5已填写，已取消
5.6新的
6.7填充
部分的，取消的，取消的
8.10已取消，新
9.11新的、部分的
[108]中：result.groupby（'status'）.count（）
出[108]：
订单号
地位
已取消，新1
填充4
已填写，已取消2
填写、新增、取消1
填充，部分，部分1
新2
新的，取消的2
新的，填充的1
新的，新的，填满的1
新，新，新，部分，部分，取消，新1
新的，第1部分
第1部分
部分，取消，取消1
部分的，取消的，部分的1
部分，部分1
部分，部分，新，部分，新1

你能给我们看一些样本数据吗？我不能上传我的，因为它很敏感-我创建了一个小的虚拟样本，但不知道如何上传this@Maths12按CRTL+K键编辑问题并粘贴为code@anky_91很抱歉，它没有工作-我只能粘贴为图像。这些数据是我创建的。你的问题似乎类似于在列表中查找子序列，如果找到，则递增。可能会执行类似于

df['Status']的操作。值

以及您的特定

模式

的新、新、填充尝试查找列表中出现的

模式

。请参见此处：或此处：