使用pd.pivot_table时若只显示索引而缺失列值和计数，通常因未显式指定values参数所致；需添加辅助计数列并明确传入values，才能正确生成多列交叉频次表。
使用`pd.pivot_table`时若只显示索引而缺失列值和计数，通常因未显式指定`values`参数所致；需添加辅助计数列并明确传入`values`，才能正确生成多列交叉频次表。
在Pandas中构建标准交叉频次型透视表（类似Excel中的“行×列→计数”布局）时，一个常见误区是仅设置 index 和 columns 参数，却遗漏关键的 values 参数。此时 pivot_table 无法推断聚合目标，导致返回空数据结构——仅保留索引（如本例中的 Date），而 Status 各类别列及对应计数值全部缺失。
根本原因在于：aggfunc="count" 并非对 columns 分组进行计数，而是对 values 所指列执行计数操作。若未提供 values，Pandas 默认尝试对所有非索引/非列字段聚合，但当数据中无其他数值列时，结果为空或退化为仅索引的DataFrame。
✅ 正确做法是显式构造一个可聚合的数值列（例如全1序列），并将其作为 values 输入：
import pandas as pd
# 示例数据
df = pd.DataFrame({
'Date': ['2024-02-20', '2024-02-18', '2024-02-16', '2024-02-01', '2024-02-20',
'2024-01-21', '2024-02-20', '2024-01-21', '2024-02-20', '2024-02-20', '2024-02-20'],
'Status': ['Won', 'Credit Pulled', 'Credit Pulled', 'Credit Pulled', 'Pre Credit Pull',
'Credit Pulled', 'Credit Pulled', 'Won', 'Awaiting Bank Account', 'Credit Pulled', 'Credit Pulled']
})
# ✅ 关键步骤：添加辅助计数列 + 显式指定 values
df['cnt'] = 1
df_pivot = pd.pivot_table(
data=df,
index='Date', # 行维度（可为列表，如 ['Date']）
columns='Status', # 列维度（可为列表，如 ['Status']）
values='cnt', # 必须指定！聚合的目标列
aggfunc='count', # 对 'cnt' 列按分组计数
fill_value=0 # 推荐：自动填充缺失组合为0（替代手动 fillna）
)
print(df_pivot)输出结果将呈现标准二维频次表：
Status Awaiting Bank Account Credit Pulled Pre Credit Pull Won Date 2024-01-21 0 1 0 1 2024-02-01 0 1 0 0 2024-02-16 0 1 0 0 2024-02-18 0 1 0 0 2024-02-20 1 3 1 1
⚠️ 注意事项：
- values 参数不可省略：即使只需计数，也必须指向某列（cnt、Date 或任意列均可，只要存在）；
- 使用 fill_value=0 比 fillna(0) 更高效且语义清晰，直接在聚合阶段处理缺失组合；
- 若原始数据含多重索引或复杂类型，建议先用 df.dtypes 检查列类型，避免隐式转换异常；
- 替代方案：对单列频次统计，可优先考虑 pd.crosstab(df['Date'], df['Status'])，语法更简洁且默认填充0。
掌握这一模式后，即可稳定生成符合Excel PivotTable直觉的行列交叉计数表，适用于日报统计、状态分布分析、A/B测试分组汇总等典型场景。
