Python：如何按年月作为索引实现数据透视并获取目标输出

你之前的代码只提取了月份维度统计，没有区分年份，导致2021和2022年的同月份数据被合并，自然不符合预期。以下是两种直接生成「年份为行、月份为列」计数透视表的方法：

步骤1：确保日期列是datetime类型 #

先把日期列转换为标准datetime格式（如果还未处理）：

All_Insurer_Portal_Reindex['New_Booking/Issued Date'] = pd.to_datetime(All_Insurer_Portal_Reindex['New_Booking/Issued Date'])

步骤2：提取年份和月份字段 #

从日期列拆分出年、月作为单独字段，方便后续分组：

All_Insurer_Portal_Reindex['year'] = All_Insurer_Portal_Reindex['New_Booking/Issued Date'].dt.year
All_Insurer_Portal_Reindex['month'] = All_Insurer_Portal_Reindex['New_Booking/Issued Date'].dt.month

方法1：使用pivot_table生成透视表 #

通过透视表指定行、列维度和聚合规则：

pivot_table = pd.pivot_table(
    data=All_Insurer_Portal_Reindex,
    index='year',  # 行：年份
    columns='month',  # 列：月份
    values='New_Booking/Issued Date',  # 用于计数的字段（任意非空列均可）
    aggfunc='count',  # 聚合方式：计数
    fill_value=0  # 无数据的年月填充0
)

方法2：使用crosstab（更简洁） #

交叉表天生适配这种行列计数场景：

cross_table = pd.crosstab(
    index=All_Insurer_Portal_Reindex['year'],
    columns=All_Insurer_Portal_Reindex['month'],
    dropna=False,
    margins=False  # 不需要总计行/列则设为False
).fillna(0)

可选优化：美化月份列名 #

如果想把数字月份改成更易读的格式（比如「9月」）：

cross_table.columns = [f'{month}月' for month in cross_table.columns]

生成的结果会以2021、2022为行索引，9、10月为列名，单元格对应各年月的记录计数。

内容的提问来源于stack exchange，提问作者pythonThor