如何合并DataFrame中同月份日期列并以逗号拼接对应值

没问题，这个需求很好实现！你已经找对了方向——用groupby来按月份分组，只要把求和换成自定义的字符串拼接逻辑就行。我给你两种直观的实现方案，都能得到你想要的输出：

方法一：用melt+pivot实现长格式转宽格式 #

这种方法逻辑清晰，适合新手理解：

1. 先把宽格式的数据转成长格式（melt），方便按产品和月份分组
2. 分组后用字符串拼接合并价格
3. 再转回宽格式（pivot）得到最终结果

import pandas as pd

# 示例输入数据（和你的需求一致）
data = pd.DataFrame({
    'product': ['A', 'B'],
    '05-Oct-2020': [66.2, 368.7],
    '07-Oct-2020': [69.5, 382.8],
    '09-Nov-2020': [72.95, 384.7],
    '13-Nov-2020': [76.55, 386.8]
})

# 1. 转换为长格式：把日期列拆成"月份年份"和"价格"两列
melted_data = data.melt(
    id_vars='product',  # 保留product作为标识列
    var_name='month_year',  # 原日期列名重命名为月份年份
    value_name='price'  # 价格列的名称
)

# 2. 解析月份年份格式（确保统一），然后分组拼接价格
melted_data['month_year'] = pd.to_datetime(
    melted_data['month_year'], 
    format="%d-%b-%Y"
).strftime("%b-%Y")

# 分组后，把每个组的价格转成字符串，用", "拼接
grouped = melted_data.groupby(['product', 'month_year'])['price'].apply(
    lambda x: ', '.join(map(str, x))
).unstack()  # 把月份年份转成列

# 3. 重置索引，让product回到列的位置
final_result = grouped.reset_index()
print(final_result)

方法二：按你的思路用转置+groupby实现 #

如果你更倾向于用转置后分组的方式，也可以这样写：

import pandas as pd

# 示例数据同上
data = pd.DataFrame({
    'product': ['A', 'B'],
    '05-Oct-2020': [66.2, 368.7],
    '07-Oct-2020': [69.5, 382.8],
    '09-Nov-2020': [72.95, 384.7],
    '13-Nov-2020': [76.55, 386.8]
})

# 1. 设置product为索引，然后转置数据
transposed = data.set_index('product').T

# 2. 把转置后的索引（原日期列名）转换为月份年份格式
transposed.index = pd.to_datetime(
    transposed.index, 
    format="%d-%b-%Y"
).strftime("%b-%Y")

# 3. 按月份年份分组，拼接价格字符串
grouped = transposed.groupby(level=0).agg(
    lambda x: ', '.join(map(str, x))
)

# 4. 再次转置回来，重置索引得到最终结果
final_result = grouped.T.reset_index()
print(final_result)

关键说明 #

• 为什么用lambda x: ', '.join(map(str, x))？
  groupby后的sum()是数值求和，而我们需要把每个组里的价格值转成字符串，再用逗号加空格连接起来。map(str, x)把每个float类型的价格转成字符串，', '.join()负责拼接。
• 用pd.to_datetime比手动strptime更稳妥：它能自动处理大部分日期格式，而且出错时会给出清晰的提示。

两种方法运行后都会得到你期望的输出：

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