如何使用Pandas按用户分组转置表格，周维度转列并补0

原始数据 #

| User ID| Week | clicks | days|
|------- |------| -------|-----|
| x      | 1    | 1      | 1   | 
| x      | 2    | 2      | 3   |
| y      | 1    | 3      | 2   | 
| y      | 2    | 3      | 2   |
| y      | 3    | 4      | 3   | 

期望输出 #

| User ID| clicks week 1| clicks week 2| clicks week 3| days week 1| days week 2| days week 3|
|--------|--------------| -------------|------------- |------------| -----------|------------|
| x      | 1            | 2            | 0            | 1          | 3          | 0          |
| y      | 3            | 3            | 4            | 2          | 2          | 3          |

实现代码与说明 #

用Pandas的pivot_table可快速实现需求，步骤如下：

1. 加载数据到DataFrame（示例直接构造数据，实际可通过read_csv等方法加载）
2. 按用户分组，将周作为列维度，聚合clicks和days，缺失值填0
3. 调整多级列名为目标格式
4. 重置索引让User ID成为普通列

完整代码：

import pandas as pd

# 构造示例数据
data = {
    'User ID': ['x', 'x', 'y', 'y', 'y'],
    'Week': [1, 2, 1, 2, 3],
    'clicks': [1, 2, 3, 3, 4],
    'days': [1, 3, 2, 2, 3]
}
df = pd.DataFrame(data)

# 执行转置聚合
pivoted_df = pd.pivot_table(
    df,
    index='User ID',
    columns='Week',
    values=['clicks', 'days'],
    fill_value=0
)

# 重构列名，转为"指标 week N"格式
pivoted_df.columns = [f'{metric} week {week}' for metric, week in pivoted_df.columns]

# 重置索引，将User ID转为普通列
result_df = pivoted_df.reset_index()

# 输出markdown格式表格验证结果
print(result_df.to_markdown(index=False))

关键说明 #

• pivot_table是核心：自动完成分组、转置操作，fill_value=0直接处理无活动周的填充需求
• 多级列处理：转置后列是(指标, 周)的元组结构，通过列表推导式拼接成目标列名
• reset_index()确保User ID作为数据列存在，而非索引

内容的提问来源于stack exchange，提问作者kri