如何将Pandas DataFrame列中的日期转换为新列？

没问题！这在Pandas里是很常见的长表转宽表操作，用pivot()或pivot_table()就能轻松实现，我给你具体步骤和示例：

1. 先明确场景（模拟你的原始DataFrame） #

假设左侧表格的结构是这样的（日期单独一列，还有分类列、数值列）：

import pandas as pd

# 模拟左侧的原始数据
df = pd.DataFrame({
    "类别": ["产品A", "产品A", "产品B", "产品B"],
    "日期": ["2024-01-01", "2024-01-02", "2024-01-01", "2024-01-02"],
    "销售额": [1500, 2300, 900, 1800]
})

2. 无重复数据时用pivot() #

如果你的「分类列+日期」组合没有重复值（比如每个产品每天只有一条数据），直接用pivot()就能转成右侧的宽表样式：

# 核心转换代码
wide_df = df.pivot(
    index="类别",       # 作为行的列（对应右侧表格的行标题）
    columns="日期",     # 要转成新列的列（就是你的日期列）
    values="销售额"     # 填充到新列里的数值内容
).reset_index()

# 清理列名的默认层级（让列名更干净）
wide_df.columns.name = None

执行后得到的wide_df就是右侧表格的结构：「类别」作为第一列，每个日期作为单独的列，对应填充销售额数据。

3. 有重复数据时用pivot_table() #

如果同一个分类在同一天有多条数据（比如同一个产品当天有多次销售记录），需要用pivot_table()配合聚合函数处理：

# 用求和聚合重复数据，也可以用mean、max等
wide_df = df.pivot_table(
    index="类别",
    columns="日期",
    values="销售额",
    aggfunc="sum"  # 聚合方式，根据需求选sum/mean/max等
).reset_index()

wide_df.columns.name = None

4. 扩展：多数值列的情况 #

如果你的表格有多个数值列（比如同时有销售额、利润），可以一次性转换所有数值列：

# 模拟带多数值列的原始数据
df = pd.DataFrame({
    "类别": ["产品A", "产品A", "产品B", "产品B"],
    "日期": ["2024-01-01", "2024-01-02", "2024-01-01", "2024-01-02"],
    "销售额": [1500, 2300, 900, 1800],
    "利润": [300, 460, 180, 360]
})

# 转换多数值列
wide_df = df.pivot(index="类别", columns="日期", values=["销售额", "利润"]).reset_index()

# 把多层列名扁平化（比如变成「销售额_2024-01-01」）
wide_df.columns = ['_'.join(col).strip() for col in wide_df.columns.values]

内容的提问来源于stack exchange，提问作者yin