我认为你需要先加上一个条件：

#if need also category c with no values of 'one'
df11=df.groupby('key1')['key2'].apply(lambda x: (x=='one').sum()).reset_index(name='count')
print (df11)
  key1  count
0    a      2
1    b      1
2    c      0

字符串
或者将categorical与key1一起使用，然后缺失值由size添加：

df['key1'] = df['key1'].astype('category')
df1 = df[df['key2'] == 'one'].groupby(['key1']).size().reset_index(name='count') 
print (df1)
  key1  count
0    a      2
1    b      1
2    c      0

型
如果需要所有组合：

df2 = df.groupby(['key1', 'key2']).size().reset_index(name='count') 
print (df2)
  key1 key2  count
0    a  one      2
1    a  two      1
2    b  one      1
3    b  two      1
4    c  two      1

df3 = df.groupby(['key1', 'key2']).size().unstack(fill_value=0)
print (df3)
key2  one  two
key1          
a       2    1
b       1    1
c       0    1

型

您可以在列“key2”中计算groupby框架中出现“one”的次数，如下所示：df.groupby('key1')['key2'].apply(lambda x: x[x == 'one'].count())
产量

key1
a    2
b    1
c    0
Name: key2, dtype: int64

字符串

备选方案1

df.set_index('key1').key2.eq('one').sum(level=0).astype(int).reset_index()

  key1  key2
0    a     2
1    b     1
2    c     0

字符串

备选方案2

df.key2.eq('one').groupby(df.key1).sum().astype(int).reset_index()

  key1  key2
0    a     2
1    b     1
2    c     0

型

备选方案3

f, u = df.key1.factorize()
pd.DataFrame(dict(key1=u, key2=np.bincount(f, df.key2.eq('one')).astype(int)))

  key1  key2
0    a     2
1    b     1
2    c     0

型

备选方案4

pd.crosstab(df.key1, df.key2.eq('one'))[True].rename('key2').reset_index()

  key1  key2
0    a     2
1    b     1
2    c     0

型

备选方案5

pd.get_dummies(df.key1).mul(
   df.key2.eq('one'), 0
).sum().rename_axis('key1').reset_index(name='key2')

  key1  key2
0    a     2
1    b     1
2    c     0

型

你可以通过在两个键上应用groupby（）和unstack（）来做到这一点。

df = df.groupby(['key1', 'key2']).size().unstack()

字符串

也许不是最快的解决方案，但如果key2等于“one”，则可以创建列为1的新数据框。

df2 = df.assign(oneCount =
 lambda x: [1 if row.key2 == 'one' else 0 for index, row in x.iterrows()])

  key1 key2  oneCount
0    a  one         1
1    a  two         0
2    b  one         1
3    b  two         0
4    a  one         1
5    c  two         0

字符串
然后将其聚合。

df3 = df2.groupby('key1').agg({"oneCount":sum}).reset_index()

 key1  oneCount
0    a         2
1    b         1
2    c         0

型

我需要计数2列（lambda有两个参数）作为示例：
Pandas dataframe groupby func，在列key2中，如下所示：
df.groupby('key1')['key2'].apply(lambda x: x[x == 'one'].count())个