如何在Pandas分组操作中展示列标签并统计角色情感频次

我有一个包含Sentiment和Role列的DataFrame，数据如下：

Sentiment       Role
positive        manager
positive        worker
negative        leader
positive        director
negative        leader
positive        manager
negative        manager

我希望按Sentiment分组，统计每种情感标签下各Role出现的次数，期望输出如下：
期望输出

worker    leader    director    manager
positive       1         0           1         2
negative       0         2           0         1

我尝试使用代码：

df.groupby('Sentiment').agg({'Role':'count'})

但结果缺失了各Role的标签，请问该如何实现？

你需要用交叉表或分组透视的方式实现需求，之前的groupby+agg(count)仅能统计每个情感下的总条数，无法拆分出各Role的独立计数。

方法1：使用pd.crosstab（最简洁） #

这是专门用于计算两列频率交叉表的方法，会自动补全缺失组合为0：

import pandas as pd

# 假设你的DataFrame为df
result = pd.crosstab(df['Sentiment'], df['Role'])
print(result)

方法2：groupby配合value_counts+unstack #

如果偏好groupby逻辑，可先统计分组内Role的频次，再将行索引转为列并填充空值：

result = df.groupby('Sentiment')['Role'].value_counts().unstack(fill_value=0)
print(result)

• value_counts()：统计每个情感分组内各Role的出现次数
• unstack()：将Role从行索引转换为列
• fill_value=0：确保未出现的Role显示为0而非NaN

方法3：使用pivot_table #

通过透视表指定行、列、聚合规则实现：

result = df.pivot_table(index='Sentiment', columns='Role', aggfunc='size', fill_value=0)
print(result)

• index：设置行索引为Sentiment
• columns：设置列为Role
• aggfunc='size'：用于计数
• fill_value=0：填充空值为0

以上三种方法均可得到你期望的输出格式。

内容的提问来源于stack exchange，提问作者datashout