Pandas生成多个透视表时如何保留全部行列索引并将缺失值填0

核心逻辑：pivot_table默认只会保留子数据集中实际存在的行列维度值，要补全所有维度需要先从全量原始数据集拿到所有可能的Status、Category取值，再对生成的透视表做重索引补值。 #

1. 提前获取全量维度取值

# 从原始全量数据集取所有可能的维度值，保证所有地点透视表维度统一
all_status = df['Status'].unique()
all_category = df['Category'].unique()

2. 单地点透视表生成+补全代码

# 生成地点2的基础透视表，fill_value先填充已有行列组合的空值
pivot2 = pd.pivot_table(df2, values='Price', index='Status', columns='Category', aggfunc=np.sum, fill_value=0)
# 用全量维度值重索引，补全缺失的行和列，空缺位置统一填0
pivot2 = pivot2.reindex(index=all_status, columns=all_category, fill_value=0)

3. 更高效的批量处理方案（无需提前拆分原始df）

# 全量数据一次性生成所有地点的透视表
full_pivot = pd.pivot_table(
    df, 
    values='Price', 
    index=['Location', 'Status'], 
    columns='Category', 
    aggfunc=np.sum, 
    fill_value=0
)
# 按需提取单个地点的透视表，比如提取地点1的：
pivot1 = full_pivot.loc[1].reindex(index=all_status, columns=all_category, fill_value=0)

补充说明 #

• pivot_table自带的fill_value=0仅能填充已有行列组合的空值，无法新增不存在的行和列，必须搭配reindex方法才能补全所有维度
• 如果需要自定义行列的展示顺序，直接将all_status、all_category替换为你指定顺序的列表即可

内容的提问来源于stack exchange，提问作者Illusionista787