Python 有没有办法在pandas中执行groupby，以便在行和列中使用相同的功能？

输入表：

person    cat1    cat2
   P1        A    X
   P1        B    X
   P2        A    X
   P2        B    Y
   P3        A    X
   P3        B    Y

所需表格：

             B
        X    Y    Z
     X  1    2    0
A    Y  0    0    0
     Z  0    0    0

聚合函数可以是唯一的persons-

nunique（）

迄今为止的代码：

df.groupby（['cat1'，'cat2']）.person.nunique（）.unstack（）

---

但这并没有给出正确的表格。关于如何做到这一点有什么帮助吗？

这相当难看，但似乎可以做到：

df1 = df.groupby('person').apply(lambda g: 
    g.pivot_table('cat2', None, 'cat1', aggfunc=lambda x: x)
)
df2 = df1.reset_index().drop('level_1', axis=1)
df3 = df2.pivot_table(None, 'A', 'B', aggfunc=lambda x: len(x))

现在确定它在“大数据”（TM）上的效率

本质上，

df1

包含的列数与

cat1

的列数相同，并用

cat2

中的值填充：

cat1         A  B
person           
p1     cat2  X  X
p2     cat2  X  Y
p3     cat2  X  Y

df2

与杂波消除时相同：

cat1 person  A  B
0        p1  X  X
1        p2  X  Y
2        p3  X  Y

并且

df3

包含以下结果：

  person   
B      X  Y
A          
X      1  2

---

为什么它假设A，X的计数等于B，Y（也许这就是为什么它不能以一种明显的方式进行）？P2和P3本质上是相同的行，具有不同的人号。他的操作在数学上叫什么？不起作用<代码>传递值的形状是（2，1），索引意味着（1，1）@在您的问题中，

person

是数据帧中的索引还是列？它是数据帧中的列dataframe@Mysterious但它适用于您的示例，

df=pd.DataFrame（{'person'：['p1'，'p1'，'p2'，'p2'，'p3'，'p3']，'cat1'：['A'，'B'，'B'，'A'，'B']，'cat2'：['X'，'X'，'X'，'Y'，'X'，'Y']}）