如何将含日期、国家、发生次数的DataFrame转换为宽表格式？

你用的df.explode('Country')是用来拆分列表型字段的，完全不适合这种长表转宽表的场景，正确做法是用pandas的透视表相关方法：

方法1：使用pivot #

如果Date+Country的组合没有重复值，直接用pivot最简洁：

import pandas as pd

# 构造示例数据
data = {
    'Date': ['2021-08-25', '2021-08-25', '2021-08-25', '2021-08-25', '2021-08-26', '2021-08-26', '2021-08-26', '2021-08-25'],
    'Country': ['CA', 'AE', 'BE', 'GR', 'CA', 'AE', 'BE', 'GR'],
    'Occurrences': [188, 10, 25, 49, 200, 7, 27, 52]
}
df = pd.DataFrame(data)

# 转换为宽表
wide_df = df.pivot(index='Date', columns='Country', values='Occurrences').reset_index()
# 清除列名的层级标记
wide_df.columns.name = None
print(wide_df)

运行后输出（注：示例数据中2021-08-25有两条GR记录，会取最后一条的52；2021-08-26无GR记录会显示NaN，可按需用fillna(0)填充）：

Date        | CA  | AE | BE | GR
2021-08-25  | 188 | 10 | 25 | 52
2021-08-26  | 200 | 7  | 27 | NaN

方法2：使用pivot_table #

如果存在Date+Country的重复记录，需要聚合计算（求和、均值等），用pivot_table更合适：

wide_df = df.pivot_table(
    index='Date',
    columns='Country',
    values='Occurrences',
    aggfunc='sum'  # 可替换为'mean'/'max'等聚合函数
).reset_index()
wide_df.columns.name = None
# 填充空值为0
wide_df = wide_df.fillna(0)
print(wide_df)

比如示例中2021-08-25的GR两条记录（49和52），用sum会得到101，可根据需求选择聚合方式。

内容的提问来源于stack exchange，提问作者Aaron