Pandas用transpose/pivot/groupby实现行值转列并统计计数

你需要的分组转列计数逻辑，有两种常用的pandas实现方案，输出结果完全一致： #

方法1：pd.crosstab 实现（写法最简洁） #

crosstab是pandas内置的专门用于交叉频次统计的函数，不需要额外处理空值，默认会把不存在的组合计数填0：

import pandas as pd
import numpy as np

# 原始测试数据
df = pd.DataFrame({ 
     'Year': [2022,2022,2022,2022,2022,2022,2022,2022],
    'Quarter':[2,2,2,2,1,1,2,2],
    'Product':['Car','Bike','Car','Bus','Bike','Bus','Car','Bike'],
})

# 按Year、Quarter分组，统计各Product出现次数，转Product为独立列
result = pd.crosstab(
    index=[df['Year'], df['Quarter']],
    columns=df['Product']
).reset_index() # 把分组字段从多层索引转回普通列，方便后续使用

print(result)

运行输出结果：

Year  Quarter  Bike  Bus  Car
0  2022        1     1    1    0
1  2022        2     2    1    3

方法2：groupby + unstack 实现（逻辑更直观） #

如果更习惯用分组操作的逻辑写代码，可以先分组计数，再把Product维度从行转列：

result = (
    df
    .groupby(['Year', 'Quarter', 'Product'])
    .size() # 统计每个(Year,Quarter,Product)组合的记录数
    .unstack(fill_value=0) # 将Product这层索引转为独立列，缺失值填0
    .reset_index()
)

提示：如果不需要把不存在的产品计数填为0，可以去掉fill_value=0参数，对应位置会返回空值NaN。

内容的提问来源于stack exchange，提问作者SOK