Pandas按年月分组统计Desc各取值计数并转为列的实现方法

你可以通过pandas的日期处理+交叉统计快速实现需求，步骤如下：

• 首先修正样例数据里的无效日期：2022-04-31不存在（4月仅有30天），直接做日期解析会触发报错，实际使用时请替换为合法日期。
• 将Date列转换为pandas原生datetime类型，提取年-月维度作为分组键。
• 通过交叉表/分组聚合统计每个年月下不同Desc取值的出现次数，缺失计数填充为0，最后调整列顺序匹配期望格式即可。

完整代码示例 #

import pandas as pd

# 构造测试数据（已修正原数据中的无效4月31日为4月30日）
df = pd.DataFrame({
    'Date': [
        '2022-04-30', '2022-05-31', '2022-05-31', '2022-05-31', '2022-05-31',
        '2022-06-14', '2022-06-19', '2022-06-19', '2022-07-19', '2022-07-19'
    ],
    'Desc': ['Car', 'Bus', 'Car', 'Bike', 'Car', 'Car', 'Car', 'Bike', 'Bike', 'Bus']
})

# 转换日期格式，提取年-月分组维度
df['Date'] = pd.to_datetime(df['Date'])
df['ym'] = df['Date'].dt.strftime('%Y-%m')

# 方法1：用crosstab交叉表统计，填充缺失值为0
result = pd.crosstab(index=df['ym'], columns=df['Desc'], fill_value=0)
result = result.reset_index().rename(columns={'ym': 'Date'})
# 调整列顺序和期望输出一致
result = result[['Date', 'Car', 'Bus', 'Bike']]

运行后得到的result输出如下：

Date  Car  Bus  Bike
0  2022-04    1    0     0
1  2022-05    2    1     1
2  2022-06    2    0     1
3  2022-07    0    1     1

注：你给出的期望输出中2022-06的Bike计数为2，和提供的原始数据条目数不符，上述结果是按你给出的原始数据统计的正确值，如果你的实际数据有更多Bike条目，代码会自动统计对应数值。

如果你更习惯分组聚合写法，也可以替换统计部分的代码为groupby+unstack，效果完全一致：

# 方法2：分组聚合后行转列
result = df.groupby(['ym', 'Desc']).size().unstack(fill_value=0)
result = result.reset_index().rename(columns={'ym': 'Date'})
result = result[['Date', 'Car', 'Bus', 'Bike']]

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