如何在Pandas DataFrame中统计元素频率并重构为指定表结构？

这需求用Pandas的几个内置方法就能轻松实现，我给你详细拆解下可行方案，先从示例数据开始：

第一步：准备示例数据 #

先还原你提供的数据集，方便复现测试：

import pandas as pd

data = {
    'points': [97, 67, 70, 97],
    'variety': ['Chardonnay', 'Cabernet Sauvignon', 'Cabernet Sauvignon', 'Chardonnay']
}
df = pd.DataFrame(data)

方案1：用pd.crosstab（最直接的交叉表方法） #

这是最贴合你需求的工具，专门用来生成行/列维度的交叉统计：

# 生成以points为索引、variety为列的计数表
result_df = pd.crosstab(df['points'], df['variety'])

运行后得到的结果完全匹配你的要求：

variety  Cabernet Sauvignon  Chardonnay
points
67                        1          0
70                        1          0
97                        0          2

如果需要调整列的顺序（比如和你示例的顺序一致），可以手动指定列名：

result_df = result_df[['Chardonnay', 'Cabernet Sauvignon']]

方案2：用groupby + unstack #

如果你更喜欢用分组的思路来实现，这个方法也很直观：

# 按points和variety分组统计数量，再将variety转为列，缺失值补0
result_df = df.groupby(['points', 'variety']).size().unstack(fill_value=0)

• groupby(['points', 'variety'])：按分数和品种分组
• .size()：统计每组的出现次数
• .unstack(fill_value=0)：把variety从行索引转成列，没有对应数据的位置填0

方案3：用pivot_table（更灵活的透视表方法） #

透视表功能更强大，适合后续可能的扩展需求：

result_df = df.pivot_table(
    index='points',  # 行索引为points
    columns='variety',  # 列名为variety的唯一值
    aggfunc='size',  # 统计数量
    fill_value=0  # 缺失值补0
)

额外补充：如果需要的是「出现频率（占比）」而非计数 #

如果你的需求是每个points下各品种的占比（而非绝对次数），只需要给crosstab加上normalize='index'参数：

# 生成各points下的品种占比表
freq_result = pd.crosstab(df['points'], df['variety'], normalize='index')

结果会是这样：

variety  Cabernet Sauvignon  Chardonnay
points
67                      1.0        0.0
70                      1.0        0.0
97                      0.0        1.0

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