Python-按A + B列分組並為A + B的每次唯一出現計數C列的行值

Question

我討厭問，但是我已經搜索了許多小時來尋找解決此問題的方法。 我與熊貓關系密切，但距離不夠。 我知道這一定有可能使我發瘋！ 所以我有一個像這樣的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')

但這只會一次返回一個“類別”的計數及其每個唯一“路徑”的“類型”。 理想情況下，我想對數據進行分組，以便輸出類似於此的內容：

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個Path也會比我當前輸出的更好。

我希望有人能看到解決方案並使我擺脫困境！？

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   

或者我們使用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