Pandas如何按单列分组后展开分类唯一值并聚合统计计数

要得到按score分组、各type值拆分为独立列统计频次的结果，不需要写复杂的自定义聚合逻辑，pandas有原生方法可以直接实现。

方法1：crosstab（推荐，写法最简洁） #

pd.crosstab是专门用于统计两个维度交叉频次的内置函数，默认逻辑完全匹配需求：

import pandas as pd

# df为你的原始数据集
result = pd.crosstab(index=df['score'], columns=df['type']).reset_index()

运行后会自动提取type列的所有唯一值作为单独列，单元格值为对应score、type组合的出现次数，无匹配数据的位置默认填充0，输出格式和你给出的目标结构完全一致。

方法2：groupby + unstack #

如果习惯用groupby的操作逻辑，可以先按两个维度分组计数，再将type维度从行索引展开为列：

result = df.groupby(['score', 'type'])
          .size()
          .unstack(fill_value=0)
          .reset_index()

参数fill_value=0的作用是将不存在对应type的分组计数补为0，避免结果中出现空值。

之前结果不符合预期的原因 #

你之前的groupby操作仅以score作为唯一分组键，统计的是每个score分组下的总记录数，没有将type纳入分组维度，因此无法拆分出各type对应的独立统计列。

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