如何将含月份事件状态的数据集转换为保留Null值的交叉频数矩阵？

原始数据集 #

目标交叉（列联）矩阵 #

实现代码（Python pandas） #

import pandas as pd

# 构造原始数据
data = {
    'id': [1, 2, 3],
    'january': ['scheduled', 'scheduled', 'ongoing'],
    'february': ['done', 'scheduled', 'canceled'],
    'march': ['null', 'done', 'scheduled'],
    'april': ['done', '', '']
}
df = pd.DataFrame(data)

# 1. 统一空值标记：把空字符串和原有的'null'都转为统一的'null'
month_cols = ['january', 'february', 'march', 'april']
df[month_cols] = df[month_cols].replace({'': 'null', 'null': 'null'})

# 2. 宽表转长表，保留月份和对应事件
melted_df = df.melt(id_vars='id', value_vars=month_cols, var_name='month', value_name='event')

# 3. 按事件和月份分组统计频次，然后转成宽表，缺失值填0
cross_matrix = melted_df.groupby(['event', 'month']).size().unstack(fill_value=0)

# 4. 按目标顺序调整列和行（可选，确保和目标矩阵一致）
target_events = ['scheduled', 'done', 'ongoing', 'null']
cross_matrix = cross_matrix.reindex(target_events)[month_cols]

print(cross_matrix)

代码说明 #

• 统一空值：把原始数据里的空字符串（比如id2、3的april列）和写为'null'的单元格统一标记为'null'，保证统计口径一致
• 宽转长：把每个月份列拆成"月份-事件"的行记录，方便后续分组统计
• 分组统计：通过groupby+size统计每个事件在对应月份的出现次数，再用unstack转回宽表，缺失的组合用0填充
• 顺序调整：如果需要和目标矩阵的行、列顺序完全一致，用reindex调整即可

内容的提问来源于stack exchange，提问作者Jresearcher