Pandas如何对无聚合数值列的两列DataFrame实现状态计数透视

你之前跑pivot_table得不到预期效果的核心原因是漏了关键参数：没有把PackageStatus指定为列维度的拆分依据，pandas自然只会把所有状态下的记录合并计算总计数，不会把不同状态值摊成单独的列。
针对这种两个分类变量交叉计数的场景，有三种常用的实现方式，都不需要额外的数值列做聚合：

pivot_table本身完全适配这类无额外数值列的计数场景，只要补上columns参数指定拆分列，配合空值填充即可直接得到目标格式：

pivot_result = (
    df1.pivot_table(
        index="StoreId",          # 行维度：按门店拆分
        columns="PackageStatus",  # 列维度：把状态值作为新列头
        aggfunc="count",          # 聚合逻辑：按非空值计数
        fill_value=0              # 未出现的状态直接填0
    )
    .reset_index()  # 把StoreId从行索引变回普通列，对齐预期输出格式
)

pd.crosstab是pandas专门用来统计两个分类变量交叉出现频次的接口，写法比pivot_table更简洁，天生适配这类计数需求：

crosstab_result = (
    pd.crosstab(
        index=df1["StoreId"],
        columns=df1["PackageStatus"],
        fill_value=0
    )
    .reset_index()
)

如果习惯用groupby的逻辑链路，也可以先按两个分类字段分组计数，再把状态列旋转为宽表列：

groupby_result = (
    df1.groupby(["StoreId", "PackageStatus"])
    .size()  # 直接统计每组的行数，不需要依赖额外数值列
    .unstack(fill_value=0)  # 把第二级索引（状态值）旋转为新列
    .reset_index()
)

以上三种方法运行后得到的结果，和你预期的输出格式完全一致：每个门店对应一行，各状态列填对应状态的出现次数，未出现的状态自动记为0。

内容的提问来源于stack exchange，提问作者FMFF