数据帧计数b列中的不同值，按a列分组

Question

目前我正在尝试对一个数据帧计算不同的值。。示例：我导入的*.csv看起来像：

可用性

市场
dach	可用
dach	可用
nl	离线
fr	可用
nl	离线
fr	in_call
dach	可用
fr	in_call

使用计数器怎么样？

from collections import Counter
for market, group in df.groupby('market'):
print(market)
print(Counter(group.availability))
print()
dach
Counter({'available': 3})
fr
Counter({'in_call': 2, 'available': 1})
nl
Counter({'offline': 2})

或value_counts((

for market, group in df.groupby('market'):
print(market)
print(group.availability.value_counts())
print()
dach
available    3
Name: availability, dtype: int64
fr
in_call      2
available    1
Name: availability, dtype: int64
nl
offline    2
Name: availability, dtype: int64

对于一个函数，我会做一些类似的事情：

from collections import Counter

def market_status(market, df):   
d = Counter(
{
"available":0,
"in_call":0,
"offline":0,
"do_not_disturb":0,
"after_call_work":0
}
)
d.update(Counter(df.loc[df.market == market].availability))
return d

print(market_status('fr', df))
Counter({'in_call': 2, 'available': 1, 'offline': 0, 'after_call_work': 0})

这将为您提供我认为您正在寻找的分组：

dfa = pd.read_csv("groupbycolumn.csv", encoding='ISO-8859-1')     
dfa.groupby(["Market", "Availability"])["Availability"].count()

输出：

Market  Availability
A       Available       1
dont dist       2
in_call         1
B       Available       1
dont dist       1
in_call         3
C       Available       1
dont dist       2
H       Available       1
in_call         3
J       in_call         1
Name: Availability, dtype: int64

这是我创建的一个示例csv文件，用来举例说明输出的外观。