Python 转换 pandas 数据框，将记录分组到一个列上，并计算其他几个列的频率，并使它们成为新的列

假设我们有以下数据框:

userid    concessions    reason    contact    date
     1              0    aaa       call
     1              0    aaa       chat
     1              1    bbb       call       01-01-1990
     1              0    ccc       mail
     1              1    aaa       call       31-12-1992
     1              1    ccc       call       15-06-1994
     2              0    aaa       call
     2              0    aaa       chat
     3              1    bbb       chat       01-05-1990
     3              0    ccc       mail
     3              1    aaa       mail       10-02-1991
     3              1    ccc       call       21-08-1995

我想要将这个数据框转换为以下内容:

userid    concessions    aaa    bbb    ccc    call    chat    mail    date
     1              3      3      1      2       4       1       1    15-06-1994
     2              0      2      0      0       1       1       0
     3              3      1      1      2       1       1       2    21-08-1995

我怎样才能做到这一点呢？我试过用groupby()和value_counts().它给了我正确的频率，但我不太确定如何转换数据帧本身.总的来说，我对Pandas 和Python 都是相当陌生的.

编辑: 我想我在发帖时的匆忙 idea 中还没有完全解释清楚.

所以，基本上，我想要计算userid的concessions的数量，并计算userid出现的reason和contact类型的数量，然后 Select 最新的date.