求助：Python pandas 分组统计问题如何解决？
有一个数据为：
index|years|types
-|-|-
0|2010|auto
1|2010|auto
2|2011|manual
3|2006|manual
4|2015|auto
5|2015|auto
我希望能统计每年出现 auto/manual 的类型次数，最好还能把以年作为索引进行排列，达成下面的效果：
auto. manual
2006. 0. 1
2010. 2. 0
2011. 0. 1
2015. 2. 0
我应该怎么才能统计出那样的效果？
////备注：不太懂我的 markdown 表格为什么不显示
求助：Python pandas 分组统计问题如何解决？
帖子内容：
“我有一个DataFrame，包含‘部门’和‘销售额’两列。想按部门分组后，计算每个部门的总销售额和平均销售额，但分组后总是报错，求解决方法！”
回复：
这个问题很常见，一般是分组操作或列名引用不对。直接上代码：
import pandas as pd
# 示例数据
data = {'部门': ['A', 'A', 'B', 'B', 'A'],
'销售额': [100, 200, 150, 300, 250]}
df = pd.DataFrame(data)
# 分组计算
result = df.groupby('部门')['销售额'].agg(总销售额='sum', 平均销售额='mean').reset_index()
print(result)
关键点：
- 用
groupby('部门')按部门分组。 - 通过
['销售额']指定要计算的列，避免操作到其他列。 agg()里用字典或元组列表定义多个聚合计算，列名可自定义。- 最后
reset_index()把部门从索引变回普通列，方便后续处理。
如果还报错，检查列名是否有多余空格或数据类型是不是数值（用 df['销售额'] = pd.to_numeric(df['销售额'], errors='coerce') 转换）。
总结：用 groupby + agg 一次搞定多个聚合计算。
df.groupby([df[‘years’], df[‘types’]]).count().unstack() （未测试:-D ）
思路是先 groupby 统计次数，然后 unstack 列变行
再次感谢，刚刚一不小心还没打完字就发过去了，把你回答中的 count()改成 size()就能出来我预期的效果了，还是需要多多学习研究一下，谢谢你的帮助。
df.groupby([df[‘years’], df[‘types’]]).count().unstack()
