如何将Pandas多层索引Series按唯一值计数转换为透视表

1 快速转换现有MultiIndex Series #

你已经得到分组计数后的双层索引Series，直接调用unstack()方法即可将第二层code索引转为列：

# 拆分最后一级索引为列，当天未出现的错误码计数统一填充为0
code_pivot = code_total.unstack(fill_value=0)
print(code_pivot)

运行后即可得到行是日期、列是错误码、单元格值为对应每日计数的透视表结构。

2 更简便的一步生成透视表方案 #

不需要先分组计数再拆分索引，直接用crosstab函数一步生成目标结构：

import pandas as pd

df = pd.read_csv("testfile.csv")
# 行为日期，列为错误码，值为对应出现次数
code_pivot = pd.crosstab(index=df["Date"], columns=df["code"])

3 绘制折线图 #

得到透视表后直接调用Pandas内置的绘图方法即可生成你需要的趋势图：

import matplotlib.pyplot as plt

# 绘制折线图
code_pivot.plot(kind="line", figsize=(12, 6), rot=45)
plt.xlabel("日期")
plt.ylabel("错误码出现次数")
plt.title("每日各错误码出现次数趋势")
plt.legend(title="错误码")
plt.tight_layout()
plt.show()

原代码出错原因 #

你之前手动构造DataFrame失败的原因是：code_total本身的行索引是「日期+错误码」的双层复合索引，和你传入的单层日期索引无法匹配，导致所有值都为NaN，不需要手动拆分索引，直接用Pandas内置的索引转换方法即可实现需求。

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