如何透视DataFrame统计各汽车品牌的车型数量并生成新列

你的问题出在pivot_table的参数设置完全偏离了需求——你用了原DataFrame的行索引作为分组依据，聚合逻辑也不是计数。下面是几种高效实现目标的方法：

方法1：用pd.crosstab（最直接） #

crosstab是Pandas专门用于交叉频数统计的工具，直接传入行（品牌）、列（车型）参数就能得到预期结果：

import pandas as pd
result = pd.crosstab(df['Company'], df['Type'])

这个方法会自动统计每个品牌-车型组合的出现次数，不存在的组合自动填充0，完全匹配你的输出要求。

方法2：修正pivot_table参数 #

如果你偏好使用pivot_table，调整参数即可：将分组索引设为'Company'，用count作为聚合函数，同时指定fill_value=0填充缺失值：

result = df.pivot_table(
    index='Company',
    columns='Type',
    values='Type',  # 这里用任意列都可以，只要用来计数
    aggfunc='count',
    fill_value=0
)

方法3：groupby + unstack #

先按品牌和车型分组统计数量，再把车型维度从索引转为列：

result = df.groupby(['Company', 'Type']).size().unstack(fill_value=0)

size()用来统计每组的样本数，unstack()完成索引到列的转换，fill_value=0确保缺失的车型显示为0。

效率说明 #

三种方法中，pd.crosstab和groupby+unstack的效率在大数据量下表现接近，都是最优选择；pivot_table相对稍慢，但差异极小。如果追求代码简洁直观，优先选pd.crosstab。

内容的提问来源于stack exchange，提问作者dom_2108