为什么 pandas 在 2 列数据帧上的数据透视表计数与 aggfunc=len 一起工作，但结果是计数为空的数据集？

Question

为什么我不能用

len

替换下面的

"count"

并保持相同的输出行为？。我的意思是，它运行没有错误，但输出是非常不同，如果我将

len

更改为

count

，我会得到一个空数据集。

import pandas as pd

data = {'Category': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C'],
        'Value': [10, 20, 30, 40, 50, 60, 70, 80, 90]}

df = pd.DataFrame(data)

pivot_table = df.pivot_table(index='Category', columns='Value', values='Value', aggfunc=len)

print(pivot_table)

结果：

Value      10   20   30   40   50   60   70   80   90
Category                                             
A         1.0  NaN  NaN  1.0  NaN  NaN  1.0  NaN  NaN
B         NaN  1.0  NaN  NaN  1.0  NaN  NaN  1.0  NaN
C         NaN  NaN  1.0  NaN  NaN  1.0  NaN  NaN  1.0

size

产生与 len:

相同的结果

pivot_table = df.pivot_table(index='Category', columns='Value', values='Value', aggfunc="size")

更奇怪的是，如果我执行这个奇怪的解决方法，我可以使“count”像“size”（或len）一样工作：使用不同的“ValueCopy”名称创建 Value 的副本：

df["ValueCopy"] = df["Value"]
pivot_table = df.pivot_table(index='Category', columns='Value', values='ValueCopy', aggfunc="count")

但是如果我将

pivot_table

调用更改为使用

"count"

而不使用额外的虚拟列解决方法：

pivot_table = df.pivot_table(index='Category', columns='Value', values='Value', aggfunc="count")

其结果是：

Empty DataFrame
Columns: []
Index: [A, B, C]

问题：

• 我遇到了 Pandas bug 吗？
• 这是 Pandas 的预期行为吗？
• 如果不调用

  "count"

  ，

  len

  如何工作？ （我尝试阅读pivot_table Pandas代码，但我发现它太复杂了）
• 为什么创建值列的虚拟副本会使 count 像 size （和 len）一样工作？
• count 在 Polars 和 DuckDb 中运行良好的事实是否表明这是 Pandas 中的缺陷？ （见下文）

---

在 Polars 中，“计数”效果非常好：

import polars as pl

# Create a DataFrame
data = {
    'Category': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C'],
    'Value': [10, 20, 30, 40, 50, 60, 70, 80, 90]
}
df = pl.DataFrame(data)

# Pivot the DataFrame
pivot_table = df.pivot(index='Category', columns='Value', values='Value', aggregate_function="count")

# Print the pivot table
print(pivot_table)

结果：

Shape: (3, 10)
┌──────────┬──────┬──────┬──────┬───┬──────┬──────┬──────┬──────┐
│ Category ┆ 10   ┆ 20   ┆ 30   ┆ … ┆ 60   ┆ 70   ┆ 80   ┆ 90   │
│ ---      ┆ ---  ┆ ---  ┆ ---  ┆   ┆ ---  ┆ ---  ┆ ---  ┆ ---  │
│ str      ┆ u32  ┆ u32  ┆ u32  ┆   ┆ u32  ┆ u32  ┆ u32  ┆ u32  │
╞══════════╪══════╪══════╪══════╪═══╪══════╪══════╪══════╪══════╡
│ A        ┆ 1    ┆ null ┆ null ┆ … ┆ null ┆ 1    ┆ null ┆ null │
│ B        ┆ null ┆ 1    ┆ null ┆ … ┆ null ┆ null ┆ 1    ┆ null │
│ C        ┆ null ┆ null ┆ 1    ┆ … ┆ 1    ┆ null ┆ null ┆ 1    │
└──────────┴──────┴──────┴──────┴───┴──────┴──────┴──────┴──────┘

---

同样DuckDb SQL 数据透视计数也没有问题：

import pandas as pd
import duckdb

# Your existing DataFrame
data = {'Category': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C'],
        'Value': [10, 20, 30, 40, 50, 60, 70, 80, 90]}
df = pd.DataFrame(data)

# Create a DuckDB connection
con = duckdb.connect()

# Register the DataFrame with DuckDB
con.register('df_pivot', df)

# Perform the pivot operation in DuckDB
query = """

PIVOT df_pivot
ON Value
USING Count(Value)
GROUP BY Category

"""
pivot_table = con.execute(query).fetchdf()

print(pivot_table)

结果：

  Category  10  20  30  40  50  60  70  80  90
0        A   1   0   0   1   0   0   1   0   0
1        B   0   1   0   0   1   0   0   1   0
2        C   0   0   1   0   0   1   0   0   1

Answer 1

在 Pandas 中，

pivot_table

在某些时候会调用

groupby(index+columns)

。

在您的示例中，这意味着对仅有的两个现有列进行分组，因此没有可计数的值。

在这种情况下使用

len

时，它会返回每个组的长度作为 DataFrame（使用

DataFrame.__len__

，返回

len(self.index)

）——在我看来，这比不返回任何内容更奇怪。