Pandas分组统计值类型时如何为组内缺失类型补0计数

普通groupby().size()仅会统计数据中实际存在的id+value_type组合，要补全缺失组合的0计数，核心是先构造两个维度的全量组合，再对齐计数结果，以下是两种可直接运行的实现方案：

方案1：通用reindex方案（适配自定义枚举值场景） #

先构造测试数据：

import pandas as pd

df = pd.DataFrame({
    'id': [1,1,1,2,3,3],
    'value_type': ['b','a','a','a','a','b']
})

实现代码：

# 先统计已有组合的计数
count_res = df.groupby(['id', 'value_type']).size().rename('cnt')

# 生成id、value_type的全量笛卡尔积索引
full_pair = pd.MultiIndex.from_product(
    [df['id'].unique(), df['value_type'].unique()],
    names=['id', 'value_type']
)

# 对齐索引，缺失计数填0，重置为普通二维表
result = count_res.reindex(full_pair, fill_value=0).reset_index()

运行后输出结果和预期完全一致：

id value_type  cnt
0   1          b    1
1   1          a    2
2   2          b    0
3   2          a    1
4   3          b    1
5   3          a    1

如果value_type是固定枚举值（比如需要固定统计a/b/c三类，哪怕原始数据中未出现c），直接把df['value_type'].unique()替换为自定义枚举列表即可，例如['a','b','c']。

方案2：crosstab简洁实现（无自定义枚举场景） #

如果仅需统计原始数据中出现过的所有value_type，可直接用交叉表转长表实现，代码更短：

result = pd.crosstab(df['id'], df['value_type']).stack().rename('cnt').reset_index()

输出结果和方案1完全一致。

内容的提问来源于stack exchange，提问作者gh1222