pandas如何按日期分组分别统计分类列的各分类计数

需求说明 #

现有数据表包含两列：

• Gender：人员性别，值为M/F
• LastStart：人员开始日期
  需要按日期维度聚合，统计每个日期下男、女的人员数量，原始样例数据如下：

预期输出格式：

之前尝试多列groupby后调用pivot失败，因为groupby聚合后返回的是Series类型，没有pivot方法。

可行实现方法 #

方法1：直接用crosstab一步生成（最简便） #

pd.crosstab是pandas专门用于生成分组频数表的函数，不需要额外做聚合、转置操作，直接传入行、列维度即可，自动补全缺失分类的计数为0：

import pandas as pd

# 构造/读取原始数据
df = pd.DataFrame({
    'Gender': ['M','M','F','M','F','F'],
    'LastStart': ['2013-05-21','2013-05-24','2013-05-27','2013-05-27','2013-05-28','2013-05-28']
})
# 建议先把LastStart转为日期类型，避免字符串排序/格式问题
df['LastStart'] = pd.to_datetime(df['LastStart']).dt.date

# 直接生成统计结果
result = pd.crosstab(index=df['LastStart'], columns=df['Gender'])

运行后result的输出和预期完全一致。

方法2：groupby聚合后用unstack转置（适配原有思路） #

多列groupby计数后返回的是多层索引的Series，不需要转成DataFrame再pivot，直接调用unstack把性别维度的行索引转成列即可，通过fill_value=0把无记录的性别计数填充为0：

result = df.groupby(['LastStart', 'Gender']).size().unstack(fill_value=0)

注意：这里聚合要用size()而不是count()，count()会排除空值，size()统计所有分组的记录数，更符合计数需求。

内容的提问来源于stack exchange，提问作者Luke