如何用Pandas统计类型数量并将数据转换为宽格式

有两种高效的方法可以实现你的需求，都是Pandas内置的函数，代码简洁且性能优秀：

方法1：使用pd.crosstab（最直接） #

crosstab专门用于计算两列的交叉频数表，一步就能生成目标格式：

import pandas as pd

# 基于你已提取的df_Type生成结果
result = pd.crosstab(
    index=df_Type['Type 1'],
    columns=df_Type['Generation'],
    rownames=['Type'],
    colnames=['Generation']
).rename(columns=lambda x: f'Generation {x}').reset_index()

# 若需要确保缺失计数填充为0，可添加fill_value=0参数
# result = pd.crosstab(df_Type['Type 1'], df_Type['Generation'], fill_value=0, rownames=['Type'], colnames=['Generation']).rename(columns=lambda x: f'Generation {x}').reset_index()

print(result)

输出结果与目标格式完全一致：

Type  Generation 1  Generation 2  Generation 3
0  Grass              2             1             1
1   Fire              2             0             0

方法2：使用groupby + pivot #

先分组统计数量，再重塑为宽表，逻辑更直观：

# 第一步：统计每种Type对应各Generation的数量
count_df = df_Type.groupby(['Type 1', 'Generation']).size().reset_index(name='Count')

# 第二步：转成宽格式，填充缺失值并调整列名
result = count_df.pivot(
    index='Type 1',
    columns='Generation',
    values='Count'
).fillna(0).astype(int).rename(columns=lambda x: f'Generation {x}').reset_index().rename(columns={'Type 1': 'Type'})

print(result)

你之前的代码问题说明 #

你写的groupby('Generation').agg(no_types = ('Type 1', 'sum'))有两个核心问题：

• 分组维度错误：仅按Generation分组，没有同时按Type分组，无法拆分出每种Type的各代数量
• 聚合函数错误：sum会对字符串类型的Type 1列做拼接，不是统计数量，应该用size()或count()实现计数

内容的提问来源于stack exchange，提问作者Dome