pandas groupby+value_counts在MultiIndex下补全所有可选值的问题

云原生阿岚

2026-10-5

Pandas分组统计value_counts后补全所有可选OPTION值的解决方案

你可以通过以下两种方案实现需求：

方案1：使用unstack+stack快速补全

该方法不需要额外构造索引，利用pandas的轴旋转逻辑自动补全缺失值，代码更简洁：

# 分组统计频次后，先将OPTION维度转为列补全缺失值，再转回行索引
stat_result = df.groupby('ACCOUNT_ID')['OPTION'].value_counts() \
                .unstack(fill_value=0) \
                .stack() \
                .reset_index(name='频次')

逻辑说明：

unstack(fill_value=0)：把MultiIndex的第二级（OPTION）转为列索引，不存在的OPTION自动填充0
stack()：将列形式的OPTION转回行索引，恢复MultiIndex的结构
最后加reset_index可以将MultiIndex转为普通DataFrame列，可根据需求选择是否保留

方案2：构造完整MultiIndex后使用reindex

这是你提到的reindex方案的适配版本，针对MultiIndex结构需要先构造完整的笛卡尔积索引：

import pandas as pd

# 提取所有维度的唯一值，也可以手动指定固定的OPTION列表如all_options = ['A','B','C']
all_accounts = df['ACCOUNT_ID'].unique()
all_options = df['OPTION'].unique()

# 构造ACCOUNT_ID和OPTION全组合的MultiIndex
full_multi_index = pd.MultiIndex.from_product(
    [all_accounts, all_options], 
    names=['ACCOUNT_ID', 'OPTION']
)

# 统计后重索引补全缺失值
stat_result = df.groupby(['ACCOUNT_ID'])['OPTION'].value_counts() \
                .reindex(full_multi_index, fill_value=0) \
                .reset_index(name='频次')

逻辑说明：