如何在Pandas中创建无聚合透视表并对日期列进行排序

嘿，我明白你的问题了——你想用Pandas做个类似Excel里的透视表，按A、B列分组展示所有日期，结果却碰到了DataError: No numeric types to aggregate的报错对吧？

这个报错的原因很简单：Pandas的pivot_table()默认会对值列做聚合操作（比如求和、计数），但日期列不属于数值类型，没法执行这类聚合。而你想要的其实不是聚合，是按A、B分组后展示所有日期明细并排序，和Excel透视表展开明细的效果完全一致。

下面直接给你可行的解决方案，先从构造原始数据开始（方便你复现）：

import pandas as pd

# 构造你提供的原始DataFrame
df = pd.DataFrame({
    'A': ['apple', 'apple', 'apple', 'apple', 'orange', 'orange', 'banana'],
    'B': ['sweet', 'sweet', 'sweet', 'sweet', 'sour', 'sour', 'neither'],
    'C': ['funny', 'dummy', 'dff', pd.NA, pd.NA, 'hhhg', pd.NA],
    'D': ['2019-07-02', '2016-11-25', '2017-09-01', pd.NaT, '2020-01-01', '2020-12-12', '2015-01-01']
})

# 确保D列是日期类型（如果你的原始数据还没转换的话）
df['D'] = pd.to_datetime(df['D'])

方法一：排序+层级索引（最接近Excel透视表效果） #

这是最直观的方法，完全匹配你想要的输出：

# 1. 按A、B、D排序，把NaT放在最前面
sorted_df = df.sort_values(['A', 'B', 'D'], na_position='first')

# 2. 去掉不需要的C列，然后设置A、B为层级索引
result = sorted_df.drop(columns='C').set_index(['A', 'B'])

运行后你会得到和期望完全一致的结果：

D
A      B         
apple  sweet  NaT
       sweet 2016-11-25
       sweet 2017-09-01
       sweet 2019-07-02
orange sour  2020-01-01
       sour  2020-12-12
banana neither 2015-01-01

方法二：用pivot_table实现（备选） #

如果你一定要用pivot_table，可以指定aggfunc为一个返回所有值的lambda函数，再展开结果：

# 创建透视表，保留所有日期值
pt = df.pivot_table(index=['A', 'B'], values='D', aggfunc=lambda x: x)

# 展开列表形式的日期值，然后排序
result = pt.explode('D').sort_values('D', na_position='first').reset_index(level=[0,1], drop=False)

这个方法也能得到相同的结果，但不如第一种方法简洁直观。

总结一下：当你需要展示明细行而不是聚合结果时，用排序+层级索引的方式更合适，完全能实现Excel透视表的展开效果。

内容的提问来源于stack exchange，提问作者kavm