您可以在分组的 Dataframe 中使用agg方法来计算每个组的多个聚合函数。假设唯一可能的颜色是绿色和黄色，则如下所示：

grouped = df.groupby(['org', 'product_version', 'release_date'])
result = grouped.agg(
    total=('org', 'count'),
    number_of_no=('date_avail', lambda x: (x == 'no').sum()),
    number_of_yes=('date_avail', lambda x: (x == 'yes').sum()),
    number_of_green=('status', lambda x: (x == 'green').sum()),
    number_of_yellow=('status', lambda x: (x == 'yellow').sum())
).reset_index()

print(result)

输出：

org product_version release_date  total  number_of_no  number_of_yes  number_of_green  number_of_yellow
0   a             bpm      2022-07      4             3              1                2                 2
1   b             ppp      2022-08      2             2              0                2                 0

您可以使用value_counts和groupby

groupby_cols = ["org", "product_version", "release_date"]
g = df.groupby(groupby_cols)
out = pd.concat(
    [
        g[col].value_counts().unstack()
        for col in df.columns.drop(groupby_cols)
    ]
).fillna(0).groupby(groupby_cols).sum().reset_index().assign(total=g.size().values)
print(out)


  org product_version release_date   no  yes  green  yellow  total
0   a             bpm      2022-07  3.0  1.0    2.0     2.0      4
1   b             ppp      2022-08  2.0  0.0    2.0     0.0      2

而且你不需要担心要聚合和求和的列中的值，你只需要使用value_counts就可以了。
或者您可以像这样使用pd.crosstab：

index_series = [df[col] for col in groupby_cols]
columns_series = [df[col] for col in other_cols]
ct = pd.crosstab(index_series, columns_series)
out = pd.concat(
    [ct.groupby(level=l, axis=1).sum() for l in range(ct.columns.nlevels)], axis=1
).assign(total=df.groupby(groupby_cols).size().values)
print(out)

  org product_version release_date  no  yes  green  yellow  total
0   a             bpm      2022-07   3    1      2       2      4
1   b             ppp      2022-08   2    0      2       0      2

下面是使用pd.get_dummies()的方法

c = ['org','product_version','release_date']

df2 = pd.get_dummies(df,columns = df.columns.difference(c))

df2.groupby(c).agg(**{i:(i,'sum') for i in df2.columns.difference(c)},count = ('org','count')).reset_index()

使用单个df.groupby，并使用每个组的 * 总计 * 和 * 值计数 * 构造内部pd.Series：

cols = ['org','product_version','release_date']
res = df.groupby(cols).apply(lambda x: pd.Series({'total': x.index.size}
                                                 | {k: v for c in x.columns[~x.columns.isin(cols)]
                                                  for k, v in x[c].value_counts().to_dict().items()})
                             .to_frame().T).droplevel(len(cols)).reset_index().fillna(0)
print(res)

org product_version release_date  total  no  yes  green  yellow
0   a             bpm      2022-07      4   3  1.0      2     2.0
1   b             ppp      2022-08      2   2  0.0      2     0.0