Pandas中DataFrame操作与聚合：生成指定格式计数聚合表

问题背景 #

你有如下原始DataFrame：

import pandas as pd

dfdict = {'letter': ['a', 'a', 'a', 'b', 'b'], 'category': ['foo', 'foo', 'bar', 'bar', 'spam']}
df1 = pd.DataFrame(dfdict)

它的结构是：

category letter
0    foo      a
1    foo      a
2    bar      a
3    bar      b
4    spam     b

你希望生成按category为行、letter为列的计数表：

a  b
foo     2  0
bar     1  1
spam    0  1

你已经通过df1.groupby(['category','letter']).size()得到了分组计数的结果：

category  letter
bar       a        1
          b        1
foo       a        2
spam      b        1

现在需要进一步处理得到目标格式。

解决方案 #

你已经走对了第一步，这里有两种简单的方法可以帮你快速拿到想要的结果：

方法一：基于已有分组结果转换

你得到的多级索引计数结果，只需要用unstack()把内层索引转成列，再用fill_value=0填充缺失的计数即可：

# 先获取分组计数
counts = df1.groupby(['category','letter']).size()
# 转换为宽表并填充0
result = counts.unstack(fill_value=0)
print(result)

运行后输出正好是你想要的格式：

a  b
foo     2  0
bar     1  1
spam    0  1

方法二：一步到位用pivot_table

如果不想先做groupby，可以直接用pivot_table函数，一步生成目标表，逻辑更直观：

result = df1.pivot_table(
    index='category',  # 行索引设置为category
    columns='letter',  # 列索引设置为letter
    aggfunc='size',    # 聚合方式为计数
    fill_value=0       # 缺失的计数组合填充为0
)

这个方法的结果和上面完全一致，步骤更简洁。

原理说明 #

• unstack()的作用是把多级索引的内层（这里是letter）转成列，原本不存在的组合（比如foo和b）会显示为NaN，fill_value=0参数能把这些空值直接替换成0。
• pivot_table是Pandas专门用来生成透视表的工具，直接指定行、列和聚合逻辑，就能快速得到结构化的统计结果，很适合这类行列转换的需求。

内容的提问来源于stack exchange，提问作者Liquidity