如何基于含重复值的DATE列实现Pandas DataFrame长表转宽表？

完全可以实现，你的场景中count（即DATE列）与A列的组合是唯一的，直接用pivot或pivot_table就能完成转换，以下是具体实现方法：

步骤1：构造示例数据 #

import pandas as pd

# 还原你提供的长表数据
df = pd.DataFrame({
    'count': ['2023-01-01', '2023-02-01', '2023-03-01', '2023-04-01',
              '2023-01-01', '2023-02-01', '2023-03-01', '2023-01-01'],
    'A': ['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c'],
    'B': [0, 11, 2, 11, 10, 10, 14, 7]
})

方法1：使用pivot（适合无重复组合的场景） #

pivot要求index和columns的组合唯一，你的数据刚好满足这个条件，直接调用即可：

wide_df = df.pivot(index='count', columns='A', values='B')
# 调整表头和索引的名称，匹配你想要的格式
wide_df.columns.name = 'A'
wide_df.index.name = 'count'

方法2：使用pivot_table（兼容存在重复组合的场景） #

如果后续你的数据中出现count+A的重复组合，可以用pivot_table指定聚合逻辑（比如取第一个值、均值、求和等），同样能得到目标格式：

# 这里用aggfunc='first'表示取重复组合中的第一个值，可根据需求替换为'mean'/'sum'等
wide_df = df.pivot_table(index='count', columns='A', values='B', aggfunc='first')
wide_df.columns.name = 'A'
wide_df.index.name = 'count'

转换后的结果 #

两种方法都会得到你期望的宽表结构：

A            a     b    c
count
2023-01-01   0.0  10.0  7.0
2023-02-01  11.0  10.0  NaN
2023-03-01   2.0  14.0  NaN
2023-04-01  11.0   NaN  NaN

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