如何基于CLASS列透视DataFrame并为各列添加对应后缀？

不用纠结pivot、transpose或者melt，直接用pivot_table就最适合你的场景——它既能按Date分组，又能自动聚合求和，还会帮你用NaN填充缺失的CLASS值。

核心参数设置逻辑 #

直接按以下规则传参：

• index='Date'：把Date作为行索引，实现按Date分组
• columns='CLASS'：把CLASS的每个取值（A/B/C/D）作为列的分类维度
• values='SZE(M)'：指定要聚合计算的目标列
• aggfunc='sum'：对每个Date+CLASS组合的SZE(M)求和

示例代码 #

假设你的初始DataFrame结构如下：

import pandas as pd
import numpy as np

# 模拟初始数据
df = pd.DataFrame({
    'Date': ['2023-01-01', '2023-01-01', '2023-01-02', '2023-01-02', '2023-01-03'],
    'CLASS': ['A', 'B', 'A', 'C', 'D'],
    'SZE(M)': [10, 20, 15, 25, 30]
})

执行透视聚合操作：

# 生成透视表，缺失值默认用NaN填充
pivoted_df = df.pivot_table(
    index='Date',
    columns='CLASS',
    values='SZE(M)',
    aggfunc='sum'
)

# 重命名列，把CLASS作为后缀加到原列名后，同时重置索引让Date变回普通列
pivoted_df = pivoted_df.add_prefix('SZE(M)_').reset_index()

执行后得到的结果就是你期望的结构：Date列在前，后续列是SZE(M)_A、SZE(M)_B、SZE(M)_C、SZE(M)_D，缺失的CLASS对应值自动用NaN填充。

为什么不用pivot？ #

pivot要求index+columns的组合必须唯一，如果同一个Date下有多个相同CLASS的行，会直接报错；而pivot_table支持聚合操作，能自动处理重复组合的求和，更贴合你的需求。

内容的提问来源于stack exchange，提问作者Muhammad Haris