如何使用pandas.pivot_table统计status字段的数值计数？

别担心，这事儿用pivot_table很容易搞定，我给你举个具体的例子一步步来：

首先，咱们先模拟一份常见的样本数据（和你可能用到的结构类似）：

import pandas as pd

# 构造样本DataFrame
df = pd.DataFrame({
    'user_id': [101, 102, 103, 104, 105, 106, 107],
    'status': ['success', 'failed', 'success', 'success', 'failed', 'pending', 'success'],
    'operation': ['login', 'payment', 'login', 'signup', 'payment', 'login', 'signup']
})

接下来就是核心的pivot_table用法，关键抓三个参数：

• index='status'：指定按status字段分组
• values：选任意一个不会有缺失值的字段就行（比如这里的user_id），因为计数只需要统计行数
• aggfunc='count'：指定聚合方式为计数

代码如下：

# 生成status计数的透视表
status_count_table = pd.pivot_table(
    df,
    index='status',
    values='user_id',
    aggfunc='count'
)

# 把列名改成更直观的'count'
status_count_table.rename(columns={'user_id': 'count'}, inplace=True)

运行后你会得到预期的结果：

count
status          
failed         2
pending        1
success        4

额外补充两个小技巧：

• 如果你的数据里status可能有缺失值，count会自动忽略这些行，如果你想把缺失值也统计进去，可以先给status填充默认值（比如df['status'].fillna('unknown', inplace=True)）
• 除了'count'，你也可以用aggfunc=len，效果完全一样，比如：

  status_count_table = pd.pivot_table(df, index='status', values='user_id', aggfunc=len)
  

这样就能完美实现你要的status字段数值计数统计啦！

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