如何将DataFrame两类组合的计数结果填充至指定结构的DataFrame？

方法1：对分组结果使用unstack() #

先通过groupby获取带分层索引的计数值，再用unstack()将二级索引转为列，同时可指定fill_value填充缺失的组合（比如填充0）：

# 获取分组计数的分层索引Series
count_series = df.groupby(['type1', 'type2'])['data'].count()

# 转换为目标结构的DataFrame，缺失组合填充为0
m_df = count_series.unstack(fill_value=0)

以你提供的简化示例为例，执行后得到的m_df如下：

type2     female  male
type1                 
bunny          1     0
chicken        0     1
cow            1     1
elephant       0     1
pig            1     1

如果需要严格匹配你预先排序好的grp1和grp2，可以追加reindex步骤对齐索引和列：

grp1 = sorted(df['type1'].unique())
grp2 = sorted(df['type2'].unique())
m_df = count_series.unstack(fill_value=0).reindex(index=grp1, columns=grp2)

方法2：直接使用pivot_table()一步生成 #

无需先执行groupby，用pivot_table直接指定行、列、聚合规则，一步得到目标结构：

m_df = df.pivot_table(
    index='type1',    # 行对应type1
    columns='type2',  # 列对应type2
    values='data',    # 用于计数的字段
    aggfunc='count',  # 聚合方式为计数
    fill_value=0      # 缺失组合填充为0
)

该方法结果与方法1完全一致，代码更简洁。

内容的提问来源于stack exchange，提问作者Baaridi