使用 pd.pivot_table 时若只显示索引而无列值和计数，通常因未指定 values 参数导致；需显式传入数值列（如辅助计数列），并配合 aggfunc 正确聚合。
使用 pd.pivot_table 时若只显示索引而无列值和计数，通常因未指定 values 参数导致；需显式传入数值列（如辅助计数列），并配合 aggfunc 正确聚合。
在 Pandas 中构建交叉频次表（即“计数型透视表”）时，一个常见误区是误以为 columns 和 index 参数足以驱动计数逻辑。实际上，pd.pivot_table() 是一个聚合函数，它必须明确知道“对哪一列数据执行何种聚合操作”。当仅传入 index 和 columns 而未指定 values 参数时，Pandas 会尝试自动推断可聚合列，但若 DataFrame 中所有列均为非数值类型（如本例中的 Date 和 Status 字符串），则无法默认选择有效 values，最终返回一个仅含索引、列名存在但值全为 NaN 的空结构——这正是你观察到“只有日期列显示，其余为空”的根本原因。
✅ 正确做法是：显式添加一个数值型代理列（如 cnt = 1），并将其作为 values 输入，确保 aggfunc="count" 有明确作用对象：
import pandas as pd
# 构建示例数据
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：添加计数辅助列
df['cnt'] = 1
# 构建透视表：指定 index、columns、values 及 aggfunc
df_pivot = pd.pivot_table(
data=df,
index=['Date'],
columns=['Status'],
values=['cnt'], # 必须指定！否则 pivot_table 不知对什么计数
aggfunc='count'
).fillna(0) # 将 NaN 替换为 0，提升可读性
print(df_pivot)
输出结果如下（已自动按 Status 展开多级列，cnt 为顶层列名）：
cnt Status Awaiting Bank Account Credit Pulled Pre Credit Pull Won Date 2024-01-21 0.0 1.0 0.0 1.0 2024-02-01 0.0 1.0 0.0 0.0 2024-02-16 0.0 1.0 0.0 0.0 2024-02-18 0.0 1.0 0.0 0.0 2024-02-20 1.0 3.0 1.0 1.0
? 进阶提示：
- 若希望去除顶层 cnt 列名，可用 df_pivot.columns = df_pivot.columns.droplevel(0) 简化列结构；
- aggfunc='size' 是更语义清晰的替代方案（专用于计数），效果等同于 count，且对 NaN 更鲁棒；
- 对于纯频次统计，pd.crosstab() 是更轻量、更直观的选择：
pd.crosstab(df['Date'], df['Status'])
⚠️ 注意事项：
- ❌ 错误写法：pd.pivot_table(df, index='Date', columns='Status', aggfunc='count') —— 缺少 values，必然失败；
- ✅ 推荐写法：始终显式声明 values，哪怕只是临时辅助列；
- 数值列若含缺失值，count 会忽略 NaN；如需包含空值计数，请改用 size 或预填充。
掌握这一机制，即可稳定生成符合 Excel PivotTable 行为的频次交叉表，避免“列名可见、数值全空”的调试困扰。
