Pandas多列分组透视求助：按用户+月份统计活动次数报错

你的需求是统计每个用户（id）在不同月份（month）下，各类活动（activity）的发生次数，直接用pd.crosstab传入多级行索引就能实现，也可以通过pivot_table或分组统计来完成。

原始数据回顾 #

你的DataFrame结构如下：

import pandas as pd

df = pd.DataFrame({'id': ['id1', 'id1','id1', 'id2','id1','id1','id1'],
'activity':['swimming','running','jogging','walking','walking','walking','walking'],
'month':[2,3,4,3,4,4,3]})

正确实现方法 #

方法1：使用pd.crosstab（最直接）

将行索引设置为id和month的组合，列设置为activity，直接得到交叉统计结果：

# 生成交叉表，缺失值填充为0
result = pd.crosstab([df['id'], df['month']], df['activity'], dropna=False, margins=False)
# 把多级索引转为普通列
result = result.reset_index()
print(result)

输出结果：

activity   id  month  jogging  running  swimming  walking
0         id1      2        0        0         1        0
1         id1      3        0        1         0        1
2         id1      4        1        0         0        2
3         id2      3        0        0         0        1

方法2：使用pivot_table

通过透视表实现相同效果，指定索引、列和统计函数：

result = df.pivot_table(
    index=['id', 'month'],
    columns='activity',
    aggfunc='size',  # 统计每组数量
    fill_value=0     # 缺失活动填充为0
).reset_index()
print(result)

方法3：分组统计后unstack

先按id、month、activity分组计数，再将activity转为列：

result = df.groupby(['id', 'month', 'activity']).size().unstack(fill_value=0).reset_index()
print(result)

为什么你的代码报错？ #

你执行的df.set_index(['id','month'])['activity'].unstack().reset_index()会报错，原因是：

1. 将id和month设为索引后，activity是一个包含重复索引（同一个(id,month)对应多个activity值）的Series，unstack()要求索引唯一才能重塑结构，因此会触发ValueError: Index contains duplicate entries, cannot reshape。
2. 即使索引唯一，unstack()默认会把最内层索引（month）转为列，这和你想要的“activity作为列”的需求方向不符。

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