如何用统一函数按市场统计DataFrame中各可用性状态的数量？

方法1：生成结构化统计表格（推荐） #

不用逐个市场写重复代码，直接用pandas的crosstab就能一步生成所有市场的状态计数，高效还不容易出错：

import pandas as pd

def get_all_market_availability_counts(file_path="./_data/users/availabilities.csv"):
    # 提前定义好要统计的5种可用性状态
    target_states = ["available", "in_call", "offline", "do_not_disturb", "after_call_work"]
    
    # 读取数据，把availability转成分类类型——确保哪怕某市场没有某状态，统计结果里也会保留该列（值为0）
    df = pd.read_csv(file_path, encoding='ISO-8859-1')
    df['availability'] = pd.Categorical(df['availability'], categories=target_states)
    
    # 交叉统计：行是市场，列是状态，值为对应数量
    return pd.crosstab(df['market'], df['availability'], dropna=False)

调用这个函数后，会返回一个规整的DataFrame，直接就能看到每个市场下所有状态的计数，没有的状态自动填0。

方法2：返回字典格式结果（按需选用） #

如果需要用字典格式获取每个市场的状态统计，基于上面的函数改一下就行：

def get_availability_counts_dict(file_path="./_data/users/availabilities.csv"):
    count_df = get_all_market_availability_counts(file_path)
    # 把DataFrame转成字典：key是市场名，value是该市场的状态计数字典
    return count_df.to_dict('index')

为什么比原代码好？ #

• 不管有10个还是100个市场，一次调用就能完成所有统计，完全避免冗余代码；
• 用pd.Categorical强制指定统计范围，不会漏掉任何需要统计的状态；
• 代码简洁易维护，后续要加新状态，只需要修改target_states列表就行。

示例输出（用你给的测试数据） #

调用get_all_market_availability_counts()会得到：

内容的提问来源于stack exchange，提问作者NoobDev