如何用Python将DataFrame的item_code值转为列并填充qty数据

你可以使用 pandas 的 pivot() 方法快速完成长表到宽表的转换，完全匹配你的需求：

完整可运行代码 #

import pandas as pd

# 初始化数据（修正原代码中的变量名错误）
data = {
    'date': ['2023-01-01','2023-01-01','2023-01-01','2023-01-02', '2023-01-02'],
    'item_code':['HTA-01', 'HTA-02', 'HTB-07', 'HTA-01', 'HTA-02'],
    'qty':['16', '29', '1', '18', '34'],
}
df = pd.DataFrame(data)

# 将qty列转换为数值类型（原数据是字符串，转换后缺失值会显示为nan）
df['qty'] = pd.to_numeric(df['qty'])

# 执行宽表转换
pivoted_df = df.pivot(index='date', columns='item_code', values='qty').reset_index()

# 重置列名（让输出格式更整洁）
pivoted_df.columns.name = None

print(pivoted_df)

代码说明 #

• pivot() 方法的核心参数作用：
  • index='date'：指定date作为行标识
  • columns='item_code'：将item_code的唯一值作为新列名
  • values='qty'：用qty列的值填充对应位置
• 转换后不存在的日期-商品组合（比如2023-01-02的HTB-07）会自动填充为nan
• 提前将qty转为数值类型，确保缺失值显示为标准的数值型nan

运行结果 #

date  HTA-01  HTA-02  HTB-07
0 2023-01-01      16      29     1.0
1 2023-01-02      18      34     NaN

特殊情况处理（存在重复的日期+商品记录） #

如果数据中同一日期同一商品有多条记录，改用pivot_table()并指定聚合函数，例如求和：

pivoted_df = df.pivot_table(index='date', columns='item_code', values='qty', aggfunc='sum').reset_index()
pivoted_df.columns.name = None

内容的提问来源于stack exchange，提问作者Herza Ryo