Pandas实现按A列分组后动态将B列值转为列并计数

你需要实现的逻辑是按A列分组，统计B列各取值的出现次数，同时自动将B列的所有唯一值转换为新列，不需要手动硬编码列名，以下两种方法都可以实现需求：

原始测试数据 #

先复现你给出的源DataFrame：

import pandas as pd

df1 = pd.DataFrame(
{'A': {0: '1',  1: '7',  2: '7',  3: '1',  4: '7',  5: '1'},
 'B': {0: 'S', 1: 'S', 2: 'D', 3: 'D', 4: 'D', 5: 'S'}})

方法1：使用crosstab（最适配场景） #

pd.crosstab()是pandas专门用于交叉统计的函数，会自动提取列维度的唯一值生成列，统计对应行列组合的计数，代码最简洁：

# 交叉统计，自动生成B取值对应的列
df2 = pd.crosstab(index=df1['A'], columns=df1['B']).reset_index()
# 调整列顺序和你给出的目标结构完全一致
df2 = df2[['A', 'S', 'D']]

运行后输出的df2和你给出的目标结果完全匹配：

方法2：基于已掌握的groupby实现 #

如果想沿用groupby的逻辑，分组计数后用unstack()将B列的取值从索引层级转为独立列即可，同样支持动态生成列，后续B列新增取值不需要修改代码：

# 按A、B分组计数后，将B的索引层级展开为列
df2 = df1.groupby(['A', 'B']).size().unstack(fill_value=0).reset_index()
# 按需调整列顺序
df2 = df2[['A', 'S', 'D']]

两种方法都不需要提前指定B列有多少种取值，会自动识别所有唯一值生成对应列，满足动态转换的需求。

内容的提问来源于stack exchange，提问作者Mahdi Shad