您可以使用 Pandas 的 pivot_table 或 groupby 方法来实现这个需求。以下是两种实现方法：

方法 1：使用 pivot_table

pivot_table 是一种强大的工具，用于创建数据透视表并进行聚合操作。

import pandas as pd

# 创建 DataFrame
data = {'Cola': ['Apple', 'Orange', 'Apple', 'Mango'],
        'Colb': ['Rippened', 'Rippened', 'UnRippened', 'UnRippened']}
df = pd.DataFrame(data)

# 创建数据透视表
pivot = df.pivot_table(index='Cola', columns='Colb', aggfunc='size', fill_value=0)

# 重命名列名（可选）
pivot.columns.name = None

print(pivot)

输出：

        Rippened  UnRippened
Apple          1           1
Mango          0           1
Orange         1           0

• 关键参数解释：
• index='Cola'：指定行索引。
• columns='Colb'：指定列标签。
• aggfunc='size'：计数每个组合的出现次数。
• fill_value=0：填充缺失值为 0。

方法 2：使用 groupby 和 unstack

如果不使用 pivot_table，可以通过 groupby 和 unstack 来实现类似效果。

# 使用 groupby 和 unstack
result = df.groupby(['Cola', 'Colb']).size().unstack(fill_value=0)

# 重命名列名（可选）
result.columns.name = None

print(result)

输出：

        Rippened  UnRippened
Apple          1           1
Mango          0           1
Orange         1           0

方法选择

• 如果你需要灵活的透视表功能，使用 pivot_table 更方便。
• 如果你只需要简单的分组计数，groupby 和 unstack 方法更直观。

这两种方法都能轻松满足你的需求！