Pandas groupby双字段后将第二个分组层级转为列的实现方法

你需要的长表转宽表效果有多种实现方式，以下是可直接运行的方案：

方案1：直接用pivot_table一步完成统计+转宽表 #

不需要提前做groupby操作，直接通过pivot_table同时完成分组统计和格式转换：

import pandas as pd
data = {"Team": ["Red Sox", "Red Sox", "Red Sox", "Red Sox", "Red Sox", "Red Sox", "Yankees", "Yankees", "Yankees", "Yankees", "Yankees", "Yankees"],
        "Pos": ["Pitcher", "Pitcher", "Pitcher", "Not Pitcher", "Not Pitcher", "Not Pitcher", "Pitcher", "Pitcher", "Pitcher", "Not Pitcher", "Not Pitcher", "Not Pitcher"],
        "Age": [24, 28, 40, 22, 29, 33, 31, 26, 21, 36, 25, 31]}
df = pd.DataFrame(data)

# 生成宽表
res = pd.pivot_table(
    df,
    index='Team',  # 保留为行的字段
    columns='Pos', # 转为列的字段
    values='Age',  # 统计的目标字段
    aggfunc='count' # 统计逻辑为计数
).reset_index() # 把Team从索引转为普通列

# 把列名里的空格替换为下划线，匹配你要的输出格式
res.columns = res.columns.str.replace(' ', '_')
print(res)

方案2：基于已有的groupby统计结果转换 #

如果你已经生成了分组后的4行统计结果，可以用pivot直接转换：

# 你已有的分组统计代码
grouped = df.groupby(['Team','Pos'])['Age'].count().reset_index()

# 转换为宽表
res = grouped.pivot(index='Team', columns='Pos', values='Age').reset_index()
res.columns = res.columns.str.replace(' ', '_')
print(res)

方案3：用crosstab快速实现计数类转宽表 #

需求是统计数量的场景下，crosstab是更简洁的写法：

res = pd.crosstab(index=df['Team'], columns=df['Pos']).reset_index()
res.columns = res.columns.str.replace(' ', '_')
print(res)

以上三种方案运行后输出结果均符合要求：

Team  Not_Pitcher  Pitcher
0   Red Sox            3        3
1  Yankees            3        3

内容的提问来源于stack exchange，提问作者moth