Python-按A + B列分组并为A + B的每次唯一出现计数C列的行值

Question

我讨厌问，但是我已经搜索了许多小时来寻找解决此问题的方法。 我与熊猫关系密切，但距离不够。 我知道这一定有可能使我发疯！ 所以我有一个像这样的data_frame：

df = pd.DataFrame(
              {'Path': ['Yellow','Yellow','Blue','Green','Yellow','Blue','Yellow','Yellow'], 
               'Type': ['Image','Video','Image','Video','Video','Video','Image','Image'], 
               'Category': [A,A,B,A,B,A,C,C],
              },

我努力了：

A = df[(df['Category'] == 'A') & (df['Type'] == 'Image')]
A = A.groupby(['Path']).size().reset_index(name='Count of A')

但这只会一次返回一个“类别”的计数及其每个唯一“路径”的“类型”。 理想情况下，我想对数据进行分组，以便输出类似于此的内容：

Path   | Type  | Count of A | Count of B | Count of C |
Yellow | Image |      1     |            |     2      |
       | Video |      1     |      1     |            |
Green  | Image |            |            |            |
       | Video |      1     |            |            |
Blue   | Image |            |      1     |            |
       | Video |      1     |            |            |

即使我一次可以做一个Path也会比我当前输出的更好。

我希望有人能看到解决方案并使我摆脱困境！？

Answer 1

仍在使用groupby + value_counts

    df.groupby(['Path','Type']).Category.apply(pd.value_counts).unstack().fillna('')
Out[121]: 
              A  B  C
Path   Type          
Blue   Image     1   
       Video  1      
Green  Video  1      
Yellow Image  1     2
       Video  1  1   

或者我们使用pivot_table

pd.pivot_table(df.reset_index(),index=['Path','Type'],columns=['Category'],values='index',aggfunc='count')
Out[123]: 
Category        A    B    C
Path   Type                
Blue   Image  NaN  1.0  NaN
       Video  1.0  NaN  NaN
Green  Video  1.0  NaN  NaN
Yellow Image  1.0  NaN  2.0
       Video  1.0  1.0  NaN