如何用Pandas高效统计Symbol按CS类型的出现频次并重构DataFrame

嘿，这个需求是典型的分类变量交叉计数场景，用pandas的内置工具就能简洁高效地解决，先把你的需求明确下来：

输入DataFrame示例 #

import pandas as pd

df = pd.DataFrame({
    'Symbol': ['A1', 'A2', 'A3', 'A2', 'A2', 'A1', 'A2'],
    'CS': ['MSI', 'MSI', 'GS', 'EBV', 'CIN', 'GS', 'MSI']
})

期望输出 #

MSI  EBV  CIN  GS
A1     1    0    0    1
A2     2    1    1    0
A3     0    0    0    1

最优高效实现方案 #

1. 推荐：使用pd.crosstab（简洁+性能最优） #

pd.crosstab是pandas专门为这类交叉计数场景设计的函数，内部做了性能优化，能自动处理所有Symbol和CS的组合，缺失的组合直接填充0，一行代码就能搞定：

result = pd.crosstab(df['Symbol'], df['CS'])

这个方法在处理大数据量时优势尤其明显，它避免了手动分组转置的额外开销，内存占用也更合理。

2. 备选：groupby + unstack + 填充0 #

如果想手动实现计数逻辑，也可以用分组统计后转置的方式，不过需要手动指定缺失值填充0：

result = df.groupby(['Symbol', 'CS']).size().unstack(fill_value=0)

这个方法逻辑直观，但性能上略逊于pd.crosstab，因为unstack在处理大量分组时会产生更多中间计算步骤。

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