pandas的crosstab对NA值处理异常，如何实现类似R table的含NA交叉表？

核心原理 #

Pandas原生crosstab有两个容易混淆的行为导致不符合预期：

1. 默认会直接丢弃包含NA值的观测行，这是第一个示例中大量数据被忽略的核心原因
2. dropna=False仅控制是否删除结果中全零的行/列，不控制观测行的NA过滤
3. 如果维度本身没有NA值，默认不会在结果中预留NA的行/列位置

最简实现方案 #

可以封装一个通用函数，完全匹配R中table(useNA = 'always')的行为：

import pandas as pd

def r_style_crosstab(x: pd.Series, y: pd.Series, na_tag: str = "__NA__") -> pd.DataFrame:
    # 1. 替换NA为自定义标记，避免被crosstab提前过滤
    x_filled = x.fillna(na_tag)
    y_filled = y.fillna(na_tag)

    # 2. 手动指定维度的所有可选值，确保NA标记即使不存在也会被保留
    x_cats = list(pd.unique(x_filled))
    if na_tag not in x_cats:
        x_cats.append(na_tag)
    y_cats = list(pd.unique(y_filled))
    if na_tag not in y_cats:
        y_cats.append(na_tag)
    
    # 3. 转为分类类型固定取值范围
    x_cat = pd.Categorical(x_filled, categories=x_cats)
    y_cat = pd.Categorical(y_filled, categories=y_cats)

    # 4. 计算交叉表，不删除全零行列，最后替换回NA标识
    return pd.crosstab(x_cat, y_cat, dropna=False).rename(
        index={na_tag: "NA"},
        columns={na_tag: "NA"}
    )

效果测试 #

测试用例1（两列都有NA） #

df = pd.DataFrame({"a": [0, 1, pd.NA, pd.NA], "b":[2, pd.NA, 3, pd.NA]})
print(r_style_crosstab(df["a"], df["b"]))

输出完全符合预期：

b   2  3  NA
a           
0   1  0   0
1   0  0   1
NA  0  1   1

测试用例2（仅一列有NA） #

df = pd.DataFrame({"a": [0, 1, 2, 3], "b":[2, pd.NA, 3, pd.NA]})
print(r_style_crosstab(df["a"], df["b"]))

输出完全符合预期：

b   2  3  NA
a           
0   1  0   0
1   0  0   1
2   0  1   0
3   0  0   1
NA  0  0   0

交换参数顺序测试 #

print(r_style_crosstab(df["b"], df["a"]))

输出结构正确，不会出现原实现中数据丢失的问题。

注意事项 #

na_tag可根据实际数据调整，只要保证不会和数据中已有的值重复即可，比如数值类型数据可以用一个不可能出现的极端值作为标记。

内容的提问来源于stack exchange，提问作者Uretki