如何用Pandas将日期表头转为星期几并按任务+星期统计任务数？

你可以通过以下简洁步骤实现需求：

1. 读取CSV并重塑数据结构，过滤无效空值
2. 将日期转换为对应星期名称
3. 按姓名、任务+星期的组合做计数统计，最后格式化列名

完整代码如下：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('mycsv.csv')

# 重塑数据：把日期列转为行，提取姓名、日期、任务，过滤无任务的行
melted_df = df.melt(
    id_vars='Unnamed',
    var_name='date',
    value_name='assignment'
).dropna(subset=['assignment'])

# 将日期字符串转为星期英文名称（如Monday）
melted_df['weekday'] = pd.to_datetime(melted_df['date']).dt.day_name()

# 交叉统计：按姓名分组，统计每个任务在对应星期的数量
result = pd.crosstab(
    melted_df['Unnamed'],
    [melted_df['assignment'], melted_df['weekday']]
)

# 把多级列名合并成「任务 星期」的格式
result.columns = [' '.join(col) for col in result.columns]

# 重置索引，将姓名转为普通列（匹配你想要的输出格式）
result = result.reset_index().rename(columns={'Unnamed': 'Name'})

print(result)

关键说明： #

• dropna(subset=['assignment'])：直接过滤掉任务为空的行，避免无效数据干扰统计
• dt.day_name()：自动识别日期格式并转换为完整星期名称，若需要缩写可改用dt.day_abbr
• 用多级列做交叉统计后，通过字符串合并生成你需要的列名格式，空值会自动填充为0

内容的提问来源于stack exchange，提问作者EFaden