如何使用Pandas按用户统计各交易类型的交易次数并转换为宽表？

你可以用两种简洁的方式实现这个统计需求：

方法一：groupby + unstack #

先按User和Type分组统计交易次数，再将行索引中的Type转换为列，同时指定空值填充规则：

import pandas as pd

# 构造你的示例数据
df = pd.DataFrame({
    'User': [100,100,100,200,200,200,300,300,300],
    'Amount': [10,20,30,50,50,50,20,15,15],
    'Type': ['Check','Cash','Paypal','Venmo','Cash','Check','Zelle','Zelle','Zelle']
})

# 分组统计次数，转宽表，未交易的填充0（换成''就是留空）
result = df.groupby(['User', 'Type']).size().unstack(fill_value=0)
# 把User从索引转为普通列
result = result.reset_index()

print(result)

方法二：pd.crosstab（更直接） #

crosstab是Pandas专门用于生成交叉频数表的工具，一步就能得到结果：

# 直接生成用户和交易类型的交叉次数表
result = pd.crosstab(df['User'], df['Type'])
# 若要将0替换为空字符串，执行下面一行
# result = result.replace(0, '')

print(result)

输出效果 #

两种方法都会生成你需要的格式：

• 每行对应一个用户
• 每列对应一种交易类型
• 单元格值为该用户使用对应交易方式的次数，未使用的会显示0（或空字符串，根据你的设置）

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