如何实现Pandas数据透视转换并解决crosstab索引异常与扁平化？

首先你代码里有个明显错误：原DataFrame里的列是label，但你写了df.key，这会导致报错，先把这个改过来。

另外，pd.crosstab会把第一个参数（这里是df.id）设为结果的索引，这就是你说的「索引异常」问题。要把这个索引转成普通列，同时实现索引扁平化，只需要两步：

修正后的完整代码 #

import pandas as pd

# 初始化示例DataFrame
df = pd.DataFrame({'id':[1,2,1], 'label':['foo', 'baa', 'baa']})
# 用crosstab统计id与label的对应关系，注意列名是label不是key
cross_df = pd.crosstab(df.id, df.label)
# 把索引（id）转为普通列，同时重置行索引、去掉列轴的层级名称
result_df = cross_df.reset_index().rename_axis(None, axis=1)
print(result_df)

代码说明 #

• pd.crosstab(df.id, df.label)：统计每个id对应各个label的出现次数，刚好符合你要的「出现过标1、没出现标0」的需求。
• reset_index()：把原来作为索引的id转换为普通列，同时生成默认的行索引（0、1...）。
• rename_axis(None, axis=1)：移除列轴的默认层级名称（label），实现列索引的扁平化。

输出结果 #

id  baa  foo
0   1    1    1
1   2    1    0

如果你的实际数据里，同一个id对应同一个label多次出现，crosstab会显示累计次数。要是你只需要0/1标记（不管出现几次都标1），可以再加一步处理：

result_df = result_df.apply(lambda x: x.where(x == 0, 1) if x.name != 'id' else x)

内容的提问来源于stack exchange，提问作者Faisal Hejary