Python Pandas透视表统计频次：无需虚拟列的优雅实现方案

为什么第二种方法出错？ #

当你调用df.pivot_table(index='id', columns='type', aggfunc='count')时，因为没有指定values参数，pandas会自动筛选不属于行索引（index）和列索引（columns）的其他列作为统计对象。但你的原DataFrame只有id和type两列：id被设为行索引，type被设为列索引，没有剩余的列可以用来执行计数聚合，所以最终返回的结果只有行索引，没有数值列。

无需新增虚拟列的优雅实现方式 #

这里提供几种简洁的实现方法：

方法1：使用pd.crosstab（最直接） #

crosstab是pandas专门为交叉频数统计设计的函数，一行代码就能得到目标结果：

import pandas as pd
pd.crosstab(df['id'], df['type'])

方法2：给pivot_table指定values参数 #

只需要指定任意一个现有列作为values（比如type或id），配合count聚合即可，还能通过fill_value补全缺失的计数：

df.pivot_table(index='id', columns='type', values='type', aggfunc='count', fill_value=0)

方法3：groupby + value_counts + unstack #

通过分组后统计值频率，再转成宽格式：

df.groupby('id')['type'].value_counts().unstack(fill_value=0)

内容的提问来源于stack exchange，提问作者J-H