本文介绍如何使用 pandas 将宽表形式的用户行为数据（如 user-action）高效转换为交叉频数矩阵，即每个用户对应各页面的计数，支持自动补零、列名对齐与索引重置。
本文介绍如何使用 pandas 将宽表形式的用户行为数据（如 user-action）高效转换为交叉频数矩阵，即每个用户对应各页面的计数，支持自动补零、列名对齐与索引重置。
在数据分析中，常需将长格式的行为日志（如用户点击页面记录）转化为便于可视化或建模的宽格式汇总表。例如，给定包含 User 和 Action 两列的 DataFrame，目标是生成一个以用户为行、以不同 Action 值（如 Page1/ Page2/ Page3）为列、单元格值为对应组合出现频次的二维计数表，并确保缺失组合填充为 0。
推荐两种简洁高效的实现方式：
✅ 方法一：pd.crosstab() —— 最直观、专为此类任务设计
import pandas as pd
data = {
"User": ["AA", "AA", "AA", "BB", "BB", "CC", "CC"],
"Action": ["Page1", "Page1", "Page2", "Page2", "Page3", "Page3", "Page3"],
}
df = pd.DataFrame(data)
# 生成交叉频数表，自动填充 0，且 User 作为索引（可选 reset_index）
result = pd.crosstab(df['User'], df['Action']).reset_index()
print(result)输出：
Action User Page1 Page2 Page3 0 AA 2 1 0 1 BB 0 1 1 2 CC 0 0 2
✅ 方法二：df.value_counts().unstack() —— 链式操作，语义清晰
result = df.value_counts(['User', 'Action']).unstack(fill_value=0).reset_index() result.columns.name = None # 清除列名层级中的 'Action' print(result)
⚠️ 注意：
unstack()默认会保留多级列名（如Action作为顶层），调用.columns.name = None可去除冗余标签，使列结构更干净。
✅ 方法三：df.pivot_table() —— 灵活可控（适合扩展聚合逻辑）
result = df.pivot_table(
index='User',
columns='Action',
aggfunc='size', # 等价于 len，但更明确表示计数
fill_value=0
).reset_index()? 提示：
aggfunc='size'比len更安全，避免空组引发异常；若后续需加权统计，此处还可替换为aggfunc='sum'等。
? 关键注意事项
- 所有方法均自动识别并覆盖所有唯一
Action值作为列名，无需手动指定； -
fill_value=0是关键参数，确保未发生的行为组合显示为 0 而非NaN； - 若原始数据含重复行且需去重统计，请先执行
df.drop_duplicates()； - 输出 DataFrame 的列顺序按
Action字典序排列，如需自定义顺序，可在crosstab后使用reindex(columns=['Page1','Page2','Page3'])。
综上，pd.crosstab() 是此类“双维度频数统计”任务的首选方案——代码简短、语义明确、性能优异，且天然适配后续绘图（如 seaborn.heatmap）或机器学习特征工程场景。
