Pandas 中实现按用户分组统计各页面访问次数的完整教程-Python教程-PHP中文网

Pandas 中实现按用户分组统计各页面访问次数的完整教程

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'])。