如何基于两个分类变量创建Pivot Table透视表，无需指定values参数？

原始数据 #

目标结果 #

尝试的代码 #

pivot = df.pivot_table(index=['job'], columns=['y'], values=['balance'], aggfunc='count')

几种可行的解决方案： #

1. 用pd.crosstab（最适合这个场景）

这是pandas专门用来做交叉计数统计的工具，不需要指定values列，直接传入行和列的分组字段即可：

import pandas as pd
pd.crosstab(df['Job'], df['Y'])

运行后直接生成你要的交叉计数表，自动按Job和Y的组合统计行数。

2. 用pivot_table替换values列

如果一定要用pivot_table，可以选一个无缺失值的列作为values参数（比如原始数据的「索引」列，甚至Job列本身），因为count统计的是非缺失值数量，只要所选列没有空值，结果就准确：

# 用索引列作为values
df.pivot_table(index='Job', columns='Y', values='索引', aggfunc='count')

# 或者直接用Job列
df.pivot_table(index='Job', columns='Y', values='Job', aggfunc='count')

3. 分组后转置

先通过groupby统计每个Job-Y组合的行数，再用unstack把Y的取值转成列：

df.groupby(['Job', 'Y']).size().unstack(fill_value=0)

size()会直接返回分组后的行数，unstack负责把层级索引展开成列，fill_value=0可以避免出现空值（如果某个组合没有数据的话）。

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