在Pandas中按日期创建透视表并计算带宽使用率时报错，如何解决？

我有如下DataFrame：

Node      Interface    Speed   Band_In  carrier     Date
Server1   wan1         100     80       ATT         2024-06-01
Server1   wan2         100     60       Sprint      2024-06-01
Server1   wan3         100     96       Verizon     2024-06-01
Server2   wan1         100     80       ATT         2024-06-01
Server2   wan2         100     60       ATT         2024-06-01
Server2   wan3         100     96       ATT         2024-06-01
Server3   wan1         100     80       ATT         2024-06-01
Server3   wan2         100     60       ATT         2024-06-01
Server3   wan3         100     96       ATT         2024-06-01
Server4   wan1         100     80       ATT         2024-06-01
Server4   wan2         100     60       ATT         2024-06-01
Server5   Int3         100     96       Verizon     2024-06-01
Server1   wan1         100     30       ATT         2024-06-10
Server1   wan2         100     30       Sprint      2024-06-10
Server1   wan3         100     15       Verizon     2024-06-10
Server2   wan1         100     80       ATT         2024-06-10
Server2   wan2         100     60       ATT         2024-06-10
Server2   wan3         100     96       ATT         2024-06-10
Server3   wan1         100     80       ATT         2024-06-10
Server3   wan2         100     60       ATT         2024-06-10
Server3   wan3         100     96       ATT         2024-06-10
Server4   wan1         100     80       ATT         2024-06-10
Server4   wan2         100     60       ATT         2024-06-10
Server5   Int3         100     96       Verizon     2024-06-10

需求是：

• 将每个唯一日期转为单独列
• 按Node、Interface、carrier和Date计算接口使用率：(Band_In/Speed)*100
• 日期格式改为“月份名称-日期”（如June-01、June-10）
• 最终结果示例：

Node      Interface    Speed   carrier     June-01    June-10
Server1   wan1         100     ATT         80         30
Server1   wan2         100     Sprint      60         30
Server1   wan3         100     Verizon     96         15

尝试执行以下代码：

df1=df.pivot(index=['Node', 'Interface', 'Speed', 'Band_In', 'carrier'], columns='Date', values='Speed'/'Interface'*100).fillna('').reset_index()

报错信息：length of passed values is 11,456, index implies 5

1. 使用率计算逻辑错误：代码中'Speed'/'Interface'*100是对字符串做运算，不是对DataFrame列进行计算，且正确公式应为(Band_In/Speed)*100，而非Speed除以Interface。
2. pivot索引参数错误：将Band_In加入索引是错误的——不同日期的Band_In值不同，作为索引会导致每个日期的记录被拆分成独立行，无法合并为同一行的多日期列。
3. 未处理日期格式：未将原始Date列转换为需求的“月份名称-日期”格式。
4. pivot的values参数用法错误：values需要传入DataFrame已存在的列名，不能直接写运算表达式，必须预先计算出使用率列再传入。

按以下步骤处理：

1. 计算使用率列，公式为(Band_In / Speed) * 100
2. 将Date列转换为“月份名称-日期”格式
3. 使用pivot重组数据，索引设为不变维度（Node、Interface、Speed、carrier），列转换后的日期，值为使用率
4. 整理列名和索引，优化结果展示

完整代码：

import pandas as pd

# 假设原始DataFrame为df
# 1. 计算使用率
df['usage'] = (df['Band_In'] / df['Speed']) * 100

# 2. 转换日期格式为June-01
df['Date'] = pd.to_datetime(df['Date']).dt.strftime('%B-%d')

# 3. 重组数据
df1 = df.pivot(
    index=['Node', 'Interface', 'Speed', 'carrier'],
    columns='Date',
    values='usage'
).reset_index()

# 4. 移除列名的层级标签
df1.columns.name = None

print(df1)

执行后得到符合需求的结果，示例片段：

Node Interface  Speed  carrier  June-01  June-10
0  Server1      wan1    100      ATT     80.0     30.0
1  Server1      wan2    100   Sprint     60.0     30.0
2  Server1      wan3    100  Verizon     96.0     15.0
3  Server2      wan1    100      ATT     80.0     80.0
...

内容的提问来源于stack exchange，提问作者user1471980