Pandas实现：将列值统计结果转为DataFrame新列

我有如下结构的Pandas DataFrame：

需要按Type字段分组，将各Status的计数转为新列，得到如下结果：

同时，要求包含所有可能的Status（我有完整的状态列表），即使原DataFrame中没有对应数据，最终结果需包含Escalate等缺失状态列并补0。

我尝试了以下代码，但均未得到预期结果：

closureCodeCounts = closureCodes.groupby(['type','status'],as_index=False).size()

closureCodeCounts = closureCodeCounts.groupby('type').value_counts()
closureCodeCounts = closureCodeCounts.unstack()

请问实现该需求的最优方法是什么？

解决方案 #

最优实现可以用**pd.crosstab**，它专门用于交叉频次统计，能直接生成你需要的宽表结构，还能强制包含指定的所有状态列，缺失值自动补0：

1. 先定义完整状态列表 #

假设你的全量状态列表如下：

all_statuses = ['New', 'Working', 'Closed', 'Escalate']

2. 用pd.crosstab生成结果 #

import pandas as pd

# 生成交叉统计表格，指定行、列维度，强制包含所有状态，缺失计数补0
result = pd.crosstab(closureCodes['Type'], closureCodes['Status'], columns=all_statuses, fill_value=0)

备选方案：pivot_table实现 #

如果更习惯用分组透视的方式，也可以用pivot_table：

result = closureCodes.pivot_table(
    index='Type',
    columns='Status',
    aggfunc='size',  # 统计每组的行数即频次
    fill_value=0,
    columns=all_statuses  # 强制指定所有需要的状态列
)

关键说明 #

• pd.crosstab是处理这类交叉统计场景的最优工具，代码简洁且性能高效；
• 通过columns=all_statuses参数，能确保所有需要的状态列都被保留，哪怕原数据中没有对应记录；
• fill_value=0直接将缺失的计数填充为0，无需额外做空值处理。

内容的提问来源于stack exchange，提问作者s3p1a