如何使用Python的pivot_table函数生成指定产品的月度销售数据透视表

没问题，我来一步步教你怎么用pivot_table实现你要的效果，还能适配大量产品的场景：

第一步：数据预处理 #

首先得把你的数据调整成适合透视的格式，尤其是月份格式要转成Period(M)，还要清理掉客户名和产品名里多余的点（看你示例里的eric.和A.都被处理了）：

import pandas as pd

# 先构造你的示例DataFrame
data = {
    'customer': ['sam', 'tim', 'mi.', 'harry', 'eric.'],
    'product': ['A', 'A', 'B', 'A', 'A.'],
    'month': ['2021-11', '2021-12', '2021-10', '2011-11', '2021-10'],
    'revenue': [221, 220, 213, 210, 213]
}
df = pd.DataFrame(data)

# 1. 把month列转成Period(M)类型
df['month'] = pd.to_datetime(df['month']).dt.to_period('M')

# 2. 清理customer和product列末尾的多余点（和你的输出示例匹配）
df['customer'] = df['customer'].str.rstrip('.')
df['product'] = df['product'].str.rstrip('.')

第二步：筛选目标产品 #

因为你需要指定产品，直接用布尔索引筛选就行，比如我们要产品A：

target_product = 'A'
# 可选：如果只需要2021年的数据，加上年份过滤（匹配你的示例输出）
df_target = df[(df['product'] == target_product) & (df['month'].dt.year == 2021)].copy()

第三步：用pivot_table生成宽表 #

这一步是核心，参数设置好就能直接得到你要的格式：

pivot_result = pd.pivot_table(
    df_target,
    index=['customer', 'product'],  # 行维度：每个客户-产品组合一行
    columns='month',                # 列维度：把月份转成列
    values='revenue',               # 填充的数值是收入
    aggfunc='sum',                  # 处理重复数据（如果有同一个客户-产品-月多条数据就求和）
    fill_value=0                    # 缺失的月份填充0
).reset_index()  # 把索引转成普通列，和你的输出格式一致

第四步：调整列顺序（可选） #

如果想要月份按时间顺序排列，可以手动排序列：

# 提取月份列并排序
sorted_months = sorted(pivot_result.columns[2:])
# 重新排列列
pivot_result = pivot_result[['customer', 'product'] + sorted_months]

最终输出 #

运行完上面的代码，pivot_result就是你要的格式：

customer product 2021-10 2021-11 2021-12
0     eric       A     213       0       0
1      sam       A       0     221       0
2      tim       A       0       0     220

关键参数说明 #

• index=['customer', 'product']：确保每个客户和产品的组合作为唯一行，不会出现重复行
• aggfunc='sum'：保险起见，防止出现同一个客户同一个月多次购买的情况，会自动求和
• fill_value=0：完美解决缺失月份的填充问题，不用额外处理空值

如果要处理其他产品，只需要修改target_product的值就行，完全适配大量产品的场景~

内容的提问来源于stack exchange，提问作者tim83