基于三元组键字典构造人员-日期维度的Pandas DataFrame

给定一个字典，键是三元组(i, t, k)：

• i = 人员索引
• t = 日期
• k = 班次
  对应的值为0.0或1.0，值为1.0代表该人员在对应日期的该班次需要上班。

需要构造一个Pandas DataFrame，要求：

• 行索引为人员索引i
• 列为日期t
• 单元格内容：如果当天有上班班次，显示对应的k；无上班则显示0

预期输出格式如下：

Day 1  Day 2  Day 3
Person
1        2      2      0
2        1      0      1
3        1      2      0

给定的字典代码：

import pandas as pd

work_dict = {(1, 1, 1): 0.0, (1, 1, 2): 1.0, (1, 2, 1): 0.0, (1, 2, 2): 1.0, (1, 3, 1): 0.0, (1, 3, 2): 0.0, 
             (2, 1, 1): 1.0, (2, 1, 2): 0.0, (2, 2, 1): 0.0, (2, 2, 2): 0.0, (2, 3, 1): 1.0, (2, 3, 2): 0.0, 
             (3, 1, 1): 1.0, (3, 1, 2): 0.0, (3, 2, 1): 0.0, (3, 2, 2): 1.0, (3, 3, 1): 0.0, (3, 3, 2): 0.0}

直接通过以下代码实现需求：

import pandas as pd

work_dict = {(1, 1, 1): 0.0, (1, 1, 2): 1.0, (1, 2, 1): 0.0, (1, 2, 2): 1.0, (1, 3, 1): 0.0, (1, 3, 2): 0.0, 
             (2, 1, 1): 1.0, (2, 1, 2): 0.0, (2, 2, 1): 0.0, (2, 2, 2): 0.0, (2, 3, 1): 1.0, (2, 3, 2): 0.0, 
             (3, 1, 1): 1.0, (3, 1, 2): 0.0, (3, 2, 1): 0.0, (3, 2, 2): 1.0, (3, 3, 1): 0.0, (3, 3, 2): 0.0}

# 把字典转换成DataFrame，拆分三元组键为三列
df = pd.DataFrame([(i, t, k, v) for (i, t, k), v in work_dict.items()],
                  columns=['Person', 'Day', 'Shift', 'Is_Working'])

# 筛选出上班的记录（Is_Working=1.0）
working_records = df[df['Is_Working'] == 1.0]

# 构造透视表，行是Person，列是Day，值为Shift，缺失值填充为0
result_df = working_records.pivot(index='Person', columns='Day', values='Shift').fillna(0)

# 给列名加上"Day "前缀，匹配预期格式
result_df.columns = [f'Day {col}' for col in result_df.columns]

# 打印结果
print(result_df)

代码说明 #

1. 先把字典的键值对拆分成结构化的DataFrame，方便后续处理；
2. 只保留实际上班的记录，排除掉值为0.0的条目；
3. 用透视表把人员和日期对应起来，自动匹配对应的上班班次，没有上班的位置用0填充；
4. 最后调整列名格式，和预期输出一致。

运行代码后，输出结果和预期完全匹配。

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