如何重塑DataFrame以生成适配堆叠柱状图的宽格式结构？

要实现将长格式DataFrame转换为按日期聚合的宽格式，用Pandas的透视表功能就能轻松搞定，步骤如下：

1. 准备示例数据（可替换为你的实际数据） #

import pandas as pd

data = {
    'date': ['2021-03-01', '2021-03-01', '2021-04-01', '2021-04-01', '2021-05-01'],
    'product': ['A', 'B', 'A', 'B', 'C'],
    'quantity': [55, 43, 55, 46, 10]
}
df = pd.DataFrame(data)

2. 核心转换步骤 #

第一步：生成透视表，按日期聚合产品数量 #

用pivot_table将日期作为行、产品作为列，聚合数量值，缺失的产品数量自动填充为0：

# 透视表聚合，sum用于处理同一日期同一产品的多条数据
pivot_df = df.pivot_table(
    index='date',
    columns='product',
    values='quantity',
    aggfunc='sum'
).fillna(0)

第二步：重命名列名，添加quantity_前缀 #

为了匹配你想要的列名格式，给每个产品列加上前缀：

pivot_df.columns = [f'quantity_{col}' for col in pivot_df.columns]

第三步：将日期从索引转为普通列（可选） #

如果不需要日期作为索引，重置索引即可：

pivot_df = pivot_df.reset_index()

3. 补充：添加product列（匹配你的示例结构） #

你的目标结构里保留了product列，假设每个日期取第一个出现的产品，可以通过分组提取后合并：

# 提取每个日期的第一个产品
product_info = df.groupby('date')['product'].first().reset_index()

# 合并到透视表结果
final_df = pd.merge(pivot_df, product_info, on='date')

# 调整列顺序，把product放到date后面
cols = ['date', 'product'] + [col for col in final_df.columns if col not in ['date', 'product']]
final_df = final_df[cols]

最终得到的final_df结构和你要求的完全一致：

date product  quantity_A  quantity_B  quantity_C
0  2021-03-01       A        55.0        43.0         0.0
1  2021-04-01       A        55.0        46.0         0.0
2  2021-05-01       C         0.0         0.0        10.0

内容的提问来源于stack exchange，提问作者titu84hh