如何简化Pandas中从DataFrame生成多年度FunderCode统计合并表的流程？

你可以用pandas的**透视表（pivot_table）或者交叉表（crosstab）**直接一步完成，不用逐年筛选再合并，尤其适合多年份场景：

方法一：使用pivot_table #

1. 先从OrderStartDate提取年份，生成新列Year
2. 按FunderCode和Year分组计数，再转成宽表格式

# 提取年份
df['Year'] = df['OrderStartDate'].dt.year

# 生成透视表，统计每个FunderCode在各年份的出现次数
result = df.pivot_table(
    index='FunderCode',
    columns='Year',
    values='ClientI',  # 用任意非空列计数都可以
    aggfunc='count',
    fill_value=0  # 没有数据的年份填充0
).rename(columns=lambda x: f'Count_{x}').reset_index()

方法二：使用crosstab #

交叉表更简洁，直接统计两个列的频次分布：

# 提取年份
year_col = df['OrderStartDate'].dt.year

# 生成交叉表并重命名列
result = pd.crosstab(
    index=df['FunderCode'],
    columns=year_col
).rename(columns=lambda x: f'Count_{x}').reset_index()

结果展示 #

针对你的原始数据，两种方法都会得到如下结果：

FunderCode  Count_2017  Count_2018  Count_2019
0         H2           3           0           0
1         H3           0           1           0
2         H4           0           0           1

优势说明 #

• 不管涉及多少年份，只需要一次操作，无需重复编写筛选、统计、合并的冗余代码
• 自动处理缺失年份的填充（通过fill_value=0），避免合并时出现数据不匹配的问题
• 代码简洁易维护，大幅降低出错概率

内容的提问来源于stack exchange，提问作者GGT