如何将Dataframe重塑为宽格式：按Status统计Mutation出现次数

现有如下DataFrame：

import pandas as pd

df = pd.DataFrame({'Status':['CO','AD','AD','AD','OT','CO','OT','AD'],
                   'Mutation':['H157Y','R47H','R47H','R67H','R62H','D87N','D39E','D39E']})
print(df)

输出：

Status Mutation
0     CO    H157Y
1     AD     R47H
2     AD     R47H
3     AD     R67H
4     OT     R62H
5     CO     D87N
6     OT     D39E
7     AD     D39E

需要将其转换为以Mutation值为列名、统计每个Status下对应突变出现次数的格式，最终结果如下：

df2 = pd.DataFrame({'Status':['CO','AD','OT'],'H157Y':[1,0,0],'R47H':[0,2,0],'R67H':[0,1,0],
                    'R62H':[0,0,1],'D87N':[1,0,0],'D39E':[1,0,1]})
print(df2)

输出：

Status  H157Y  R47H  R67H  R62H  D87N  D39E
0     CO      1     0     0     0     1     1
1     AD      0     2     1     0     0     0
2     OT      0     0     0     1     0     1

可以通过两种简洁的方式实现需求：

方法1：使用pd.crosstab #

pd.crosstab是pandas专门用于生成交叉统计表的函数，直接指定行、列和统计逻辑即可：

import pandas as pd

df = pd.DataFrame({'Status':['CO','AD','AD','AD','OT','CO','OT','AD'],
                   'Mutation':['H157Y','R47H','R47H','R67H','R62H','D87N','D39E','D39E']})

# 生成交叉表，统计各Status下Mutation的出现次数
df2 = pd.crosstab(df['Status'], df['Mutation']).reset_index()
# 移除列索引的默认名称（避免出现'Mutation'作为列名前缀）
df2.columns.name = None

print(df2)

方法2：使用pd.pivot_table #

透视表同样可以实现分组统计，指定聚合函数为size（统计数量），并填充空值为0：

import pandas as pd

df = pd.DataFrame({'Status':['CO','AD','AD','AD','OT','CO','OT','AD'],
                   'Mutation':['H157Y','R47H','R47H','R67H','R62H','D87N','D39E','D39E']})

# 构建透视表，按Status分组，Mutation为列，统计每组数量
df2 = df.pivot_table(
    index='Status',
    columns='Mutation',
    aggfunc='size',
    fill_value=0
).reset_index()
# 移除列索引名称
df2.columns.name = None

print(df2)

两种方法最终都会输出符合要求的DataFrame。

内容的提问来源于stack exchange，提问作者Cam