将分类列转换为多计数列：解决Pandas多级索引问题

一、处理现有多级索引的方案 #

你当前生成的pivoted数据存在两层列索引（顶层为count，底层是分类名称），可以通过以下步骤清理：

1. 移除列的顶层索引：

# 去掉列的顶层"count"索引
pivoted.columns = pivoted.columns.droplevel(0)

2. 将person_id从索引转为普通列，同时把NaN填充为0（计数场景下0更符合逻辑）：

final_result = pivoted.reset_index().fillna(0).astype({'bad': int, 'new': int, 'ok': int})

处理后结果如下：

二、更简洁的一步到位实现方法 #

不需要先分组统计再转置，直接用Pandas内置函数就能完成需求：

方法1：使用pivot_table #

指定行、列、聚合规则，一步生成目标格式：

final_result = df.pivot_table(
    index='person_id',
    columns='categorical_data',
    aggfunc='size',  # 统计每组的行数（即频次）
    fill_value=0
).reset_index()

方法2：使用pd.crosstab #

这是专门用于交叉计数的函数，代码更简洁：

final_result = pd.crosstab(df['person_id'], df['categorical_data']).reset_index()

这两种方法都会直接生成无多级索引的结果，且自动把缺失的计数填充为0，省去后续索引清理步骤。

内容的提问来源于stack exchange，提问作者MrChomp