求助：Pandas中数据透视与分组操作遇到问题

现有人员每日任务分配数据集，每人单日可能承担多项任务，因此对应多行记录。需要转换为每人一行的DataFrame，各列为不同任务的总计数，具体示例如下：

初始数据 #

期望结果 #

解决方案 #

1. 数据清洗与格式转换
   先将日期列转为长格式，同时统一处理Empty的不同写法（去除引号、统一大小写）：

   import pandas as pd
   
   # 构造初始数据
   data = {
       "Name": ["Person 1", "Person 1", "Person 1", "Person 2", "Person 2"],
       "1/1/23": ["Assignment A", "Assignment D", '"Empty"', "Assignment E", '"Empty"'],
       "1/2/23": ["Assignment B", '"EMPTY"', '"Empty"', '"Empty"', '"Empty"'],
       "1/3/23": ["Assignment C", '"EMPTY"', '"Empty"', '"Empty"', "Assignment E"]
   }
   df = pd.DataFrame(data)
   
   # 转换为长格式，保留Name作为标识列
   df_melted = df.melt(id_vars="Name", var_name="Date", value_name="Task")
   
   # 清洗Task列：去除引号，统一Empty的写法
   df_melted["Task"] = df_melted["Task"].str.replace('"', '', regex=False).str.capitalize()
   

2. 分组统计与透视
   按Name和Task分组计数，再转换为宽格式，缺失值填充为0：

   # 分组统计每个任务的数量
   task_counts = df_melted.groupby(["Name", "Task"]).size().reset_index(name="Count")
   
   # 透视成宽表，填充缺失值为0并转为整数
   result = task_counts.pivot(index="Name", columns="Task", values="Count").fillna(0).astype(int)
   
   # 重置索引，让Name回到普通列
   result = result.reset_index()
   

3. 调整列顺序（可选）
   如果需要和期望结果的列顺序完全匹配，可手动指定列顺序：

   desired_columns = ["Name", "Assignment A", "Assignment B", "Assignment C", "Assignment D", "Assignment E", "Empty"]
   result = result[desired_columns]
   

最终输出 #

运行代码后得到的result即为目标DataFrame：

Name  Assignment A  Assignment B  Assignment C  Assignment D  Assignment E  Empty
0  Person 1             1             1             1             1             0      5
1  Person 2             0             0             0             0             2      4

内容的提问来源于stack exchange，提问作者EFaden