如何用pandas.pivot_table统计列值数量？含多列扩展场景

单维度计数透视（col1 × col2） #

要实现Excel透视表中对col1的计数效果，有两种常用方法：

方法1：使用pd.pivot_table #

直接指定values为col1（或任意存在的列），并将aggfunc设置为'count'，同时用fill_value=0填充空值，和Excel透视表默认行为一致：

import pandas as pd

# 示例数据
df = pd.DataFrame({
    'col1': ['A', 'A', 'B', 'C', 'A'],
    'col2': ['X', 'Y', 'X', 'Y', 'X']
})

# 生成透视表
pivot_result = pd.pivot_table(
    df,
    index='col1',
    columns='col2',
    values='col1',  # 选任意列均可，aggfunc=count会统计非空值数量
    aggfunc='count',
    fill_value=0
)

print(pivot_result)

输出结果：

col2  X  Y
col1
A     2  1
B     1  0
C     0  1

方法2：使用pd.crosstab（更简洁） #

crosstab是专门用于交叉计数的函数，默认行为就是统计分组后的数量，代码更简洁：

crosstab_result = pd.crosstab(df['col1'], df['col2'])
print(crosstab_result)

输出和上述pivot_table结果完全一致。

多维度扩展（加入Col3的多列透视） #

完全支持扩展到多列场景，只需将columns参数设置为列名列表即可，两种方法都适用：

示例数据 #

df_multi = pd.DataFrame({
    'col1': ['A', 'A', 'B', 'C', 'A', 'B'],
    'col2': ['X', 'Y', 'X', 'Y', 'X', 'Y'],
    'col3': ['P', 'Q', 'P', 'Q', 'P', 'Q']
})

方法1：pd.pivot_table多列透视 #

pivot_multi_result = pd.pivot_table(
    df_multi,
    index='col1',
    columns=['col2', 'col3'],  # 传入列名列表实现多列分组
    values='col1',
    aggfunc='count',
    fill_value=0
)

print(pivot_multi_result)

输出结果：

col2   X   Y
col3   P   Q
col1
A      2   1
B      1   1
C      0   1

方法2：pd.crosstab多列透视 #

crosstab_multi_result = pd.crosstab(df_multi['col1'], [df_multi['col2'], df_multi['col3']])
print(crosstab_multi_result)

输出与上述结果一致。

内容的提问来源于stack exchange，提问作者Ahmed Tawakol