Python 如何在特定值上聚合数据帧？

我有一个像这样的

pandas

dataframe

df

，比如

ID activity date
1  A        4
1  B        8
1  A        12
1  C        12
2  B        9
2  A        10
3  A        3
3  D        4

我想返回一个表，在一个精确的列表中计算一些

活动的发生次数，比如说
l=[a，B]
，那么

ID activity(count)_A  activity(count)_B
1  2                  1
2  1                  2
3  1                  0

这就是我需要的

最快的方法是什么？理想情况下，无
for
循环

谢谢

编辑：我知道有
pivot
功能来做这种工作。但是在我的例子中，我的
活动
类型比我在列表
l
中真正需要计算的要多得多。使用
pivot
是否仍然是最佳选择？
您可以使用作为第一步，然后使用pivot-最快的应该是，然后是最后，最好使用真实数据测试每个解决方案：

df2 = (df[df['activity'].isin(['A','B'])]
         .groupby(['ID','activity'])
         .size()
         .unstack(fill_value=0)
         .add_prefix('activity(count)_')
         .reset_index()
         .rename_axis(None, axis=1))

print (df2)
   ID  activity(count)_A  activity(count)_B
0   1                  2                  1
1   2                  1                  1
2   3                  1                  0

或：

或：

我相信
df.groupby（'activity'）.size（）.reset_index（name='count'）
应该按照您的期望来做。
只需通过
计数器进行聚合
并使用
pd.DataFrame
默认构造函数即可

from collections import Counter

agg_= df.groupby(df.index).ID.agg(Counter).tolist()
ndf = pd.DataFrame(agg_)

    A   B   C   D
0   2   1.0 1.0 NaN
1   1   1.0 NaN NaN
2   1   NaN NaN 1.0

如果你有
l=['A'，'B']
，只需过滤

ndf[l]

    A   B   
0   2   1.0 
1   1   1.0 
2   1   NaN

from collections import Counter

agg_= df.groupby(df.index).ID.agg(Counter).tolist()
ndf = pd.DataFrame(agg_)

    A   B   C   D
0   2   1.0 1.0 NaN
1   1   1.0 NaN NaN
2   1   NaN NaN 1.0

ndf[l]

    A   B   
0   2   1.0 
1   1   1.0 
2   1   NaN