如何用Pandas将数据透视为按周拆列并填充对应销售值？

要将你的长格式DataFrame转换为目标宽格式，直接用pivot或pivot_table即可，具体步骤如下：

基础场景（无重复记录） #

如果每个电影每周只有一条销售记录，使用pivot方法：

# 转换为宽表：行是movie，列是week，值为sales
wide_df = df.pivot(index='movie', columns='week', values='sales')
# 重命名列名为week_1到week_52
wide_df.columns = [f'week_{col}' for col in wide_df.columns]
# 可选：将movie从索引转为普通列
wide_df = wide_df.reset_index()

存在重复记录的场景 #

如果同一电影同一周有多条销售数据，用pivot_table指定聚合逻辑（比如求和）：

# 按movie和week聚合销售数据，这里指定用sum求和
wide_df = df.pivot_table(index='movie', columns='week', values='sales', aggfunc='sum')
# 重命名列名
wide_df.columns = [f'week_{col}' for col in wide_df.columns]
wide_df = wide_df.reset_index()

为什么之前的方法无效 #

• df.transpose()只是单纯反转行列，不会按电影和周进行分组重组，完全不符合需求。
• 你之前使用的df.pivot(columns=['week', 'sales'])参数错误：columns参数应该指定用来生成新列名的字段（这里是week），values才是填充单元格的字段（sales），不能把sales放到columns里。

内容的提问来源于stack exchange，提问作者jbuddy_13