如何用Pandas构建含分类值计数统计的透视表

嘿，我来帮你搞定这个需求！首先咱们先明确原始数据和目标要求：

原始数据情况 #

你给出的初始DataFrame创建代码是：

import pandas as pd
test_df = pd.DataFrame({"index":[1,2,3,1],"columns":[5,6,7,5],"values":[9,9,9,9]})

它的展示效果是：

修正后的需求 #

原本是对values列聚合填充，但现在values是分类类型，需要统计每个(index, columns)组合下，所有指定分类值的出现次数，格式类似9:2,10:0,11:0（假设分类取值固定为9、10、11）。

实现方案 #

这里分两步来实现：先分组统计每个组合的分类计数，再重塑成你要的宽表格式。

完整代码示例

import pandas as pd

# 1. 初始化原始DataFrame
test_df = pd.DataFrame({
    "index":[1,2,3,1],
    "columns":[5,6,7,5],
    "values":[9,9,9,9]
})

# 2. 定义所有需要统计的分类取值
target_categories = [9, 10, 11]

# 3. 编写分组统计函数：统计每组内各分类的出现次数，转换成指定格式
def format_category_counts(group):
    # 统计当前组的value计数，缺失的分类用0填充
    count_series = group["values"].value_counts().reindex(target_categories, fill_value=0)
    # 转换成"分类:次数"的字符串拼接格式
    return ", ".join([f"{cat}:{count_series[cat]}" for cat in target_categories])

# 4. 按index和columns分组，应用统计函数
grouped_result = test_df.groupby(["index", "columns"]).apply(format_category_counts).reset_index(name="category_counts")

# 5. 重塑为宽表：行是index值，列是columns值，填充统计结果
final_df = grouped_result.pivot(index="index", columns="columns", values="category_counts")

# 可选：如果希望NaN显示为全0的统计字符串，而不是空值
default_count_str = ", ".join([f"{cat}:0" for cat in target_categories])
final_df = final_df.fillna(default_count_str)

# 打印结果
print(final_df)

运行结果

如果不做fillna处理，输出是：

columns          5          6          7
index                                   
1        9:2,10:0,11:0        NaN        NaN
2                  NaN 9:1,10:0,11:0        NaN
3                  NaN        NaN 9:1,10:0,11:0

如果加上fillna处理，输出会变成：

columns          5          6          7
index                                   
1        9:2,10:0,11:0 9:0,10:0,11:0 9:0,10:0,11:0
2        9:0,10:0,11:0 9:1,10:0,11:0 9:0,10:0,11:0
3        9:0,10:0,11:0 9:0,10:0,11:0 9:1,10:0,11:0

关键说明 #

• reindex(target_categories, fill_value=0)是核心：确保所有指定的分类都被统计到，哪怕该组里没有这个分类，也会显示0次。
• pivot方法用来把长表转换成你需要的宽表结构，行和列对应原始的index和columns列。
• 如果你的分类取值有变化，只需要修改target_categories列表即可，核心逻辑无需改动。

内容的提问来源于stack exchange，提问作者david