Python中透视含字典值的DataFrame：解决pivot_table报错问题

问题场景 #

原始DataFrame结构如下（Quantity列同时包含字典和数值类型）：

Code    Description Date    Quantity
dasd2132    dummy 1 2023-06 {'prev_value': 0.0, 'new_value': 90.0}
312dasda    dummy 2 2023-07 0
das432cs    dummy 3 2023-08 0
31231dsa    dummy 4 2023-09 0

需求是将Date列的值作为新的列名，Quantity列的内容填充到对应列，最终得到如下格式的结果：

Code    Description 2023-06                                 2023-07 2023-08 2023-09
dasd2132    dummy 1 {'prev_value': 0.0, 'new_value': 90.0}  0   0   0

尝试使用pivot_table实现时：

pivoted_df = pd.pivot_table(df, index=['Code', 'Description'], values='Quantity', columns='Date', sort=False)

触发报错：TypeError: unhashable type: 'dict'

优化解决方案 #

方案1：使用pivot方法 #

pivot无需默认聚合操作，只要index+columns的组合唯一即可直接转置，最后补全空值为0：

import pandas as pd

pivoted_df = df.pivot(index=['Code', 'Description'], columns='Date', values='Quantity').fillna(0)

方案2：使用set_index + unstack组合 #

通过设置多层索引后将Date层转为列，同样补全空值：

import pandas as pd

pivoted_df = df.set_index(['Code', 'Description', 'Date'])['Quantity'].unstack(level='Date').fillna(0)

报错原因说明 #

pivot_table默认会对values列执行聚合计算（如均值、求和），而字典属于不可哈希类型，无法参与聚合逻辑，因此抛出报错。上述两种方法均不需要聚合操作，适配你的数据唯一性场景（每条数据的Code+Description+Date组合唯一），可以正常保留字典类型的值并完成透视。

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