Pandas透视表问题：需保留全0列并维持指定列序

问题场景 #

处理系统待处理订单CSV数据，需生成符合以下要求的透视表：

• 行索引：订单类型（order_Cate）
• 列：固定顺序的年龄组（0-4、5-7、8-10、11-15、16-21、22-31、>31）+ 总计（Total）
• 值：待处理订单计数

原代码在>31组无数据时无法生成透视表，移除排序命令则列顺序不符合预期：

# OFFLINE ORDER - R - pivoted based on order_cate as row , age group as columns & line_number as values (counted)
df_pivot_qty = df_plain_R.pivot_table(
    values="line_num",
    index=["order_Cate"],
    columns="age_Group",
    aggfunc="count",
    fill_value=0,
    dropna=False,
    margins=True,
    margins_name="Total"
).sort_values(
    ['0-4','5-7','8-10','11-15','16-21','22-31','>31',"Total"]
)[['0-4','5-7','8-10','11-15','16-21','22-31','>31','Total']]
df_pivot_qty

解决方案 #

核心问题是：当某年龄组无数据时，透视表不会自动生成该列，后续直接用列名索引会报错。需提前固定列顺序，补全缺失列后再执行排序操作：

1. 定义固定的年龄组列顺序列表
2. 生成透视表后，用reindex补全所有预期列（缺失列值自动为0）
3. 最后按需求排序并输出

调整后的完整代码：

# 定义固定的年龄组列顺序，包含所有预期分组
age_groups = ['0-4','5-7','8-10','11-15','16-21','22-31','>31']
# 生成基础透视表
df_pivot_qty = df_plain_R.pivot_table(
    values="line_num",
    index=["order_Cate"],
    columns="age_Group",
    aggfunc="count",
    fill_value=0,
    dropna=False,
    margins=True,
    margins_name="Total"
)
# 补全缺失的年龄组列，确保列顺序完全符合预期
df_pivot_qty = df_pivot_qty.reindex(columns=age_groups + ["Total"], fill_value=0)
# 按指定列排序（ascending=False表示降序，可根据需求调整）
df_pivot_qty = df_pivot_qty.sort_values(age_groups + ["Total"], ascending=False)
# 输出最终结果
df_pivot_qty

关键说明 #

• reindex会强制保留所有指定列，即使数据中无对应分组，对应值会自动填充为0（匹配透视表的fill_value=0设置）
• 先补全列再执行排序，既避免了列缺失导致的索引错误，又保证了列顺序完全符合预期

内容的提问来源于stack exchange，提问作者Aakash Francis