Pandas多列透视表实现失败求助：按pcd分组聚合需求

原代码的问题 #

1. 字典语法错误：aggfunc里的键值对用了=，Python字典需用:
2. 聚合函数错误：avg不是Pandas支持的聚合函数，需替换为'mean'或np.mean
3. 核心逻辑缺失：未先将分类字段INCOME、Education转为哑变量，直接用pivot_table无法生成分类对应的独立列
4. 索引设置错误：需求是以pcd为唯一索引，原代码错误将age1to_20加入索引

完整实现步骤 #

1. 生成哑变量：用pd.get_dummies将INCOME、Education的每个分类转为独立的0/1列
2. 分组聚合：按pcd分组，对哑变量列和age1to_20求和，对TG求平均值
3. 缺失值填充：用fillna(0)处理可能的空值

代码示例 #

import pandas as pd
import numpy as np

# 1. 转换分类字段为哑变量
df_dummies = pd.get_dummies(df, columns=['INCOME', 'Education'], drop_first=False)

# 2. 构建聚合规则字典
agg_rules = {}
# 对所有哑变量列设置求和
for col in df_dummies.columns:
    if col.startswith('INCOME_') or col.startswith('Education_'):
        agg_rules[col] = 'sum'
# 设置其他字段的聚合方式
agg_rules['age1to_20'] = 'sum'
agg_rules['TG'] = 'mean'

# 3. 分组聚合并填充缺失值
final_result = df_dummies.groupby('pcd').agg(agg_rules).fillna(0)

代码说明 #

• pd.get_dummies(..., drop_first=False)：保留所有分类的哑变量列（若需避免多重共线性可设为True）
• 聚合规则字典：明确指定每个字段的聚合逻辑，哑变量求和得到每个分类在对应pcd下的累计数量
• groupby('pcd').agg(...)：严格按pcd分组，满足需求的索引要求

内容的提问来源于stack exchange，提问作者nuke