Pandas DataFrame特定格式转换：按日期规整Leg数据

你可以使用Pandas的pivot方法直接实现这种数据重塑，它能将指定的行、列和值重新排列成你需要的格式，缺失的自动填充为NaN（对应你需求里的X）：

import pandas as pd
data = [[1,11,2],[2,11,3],[1,22,7],[2,22,8],[3,22,9],[1,33,15],[2,33,16],[3,33,17],[4,33,18],[5,33,19]]
df = pd.DataFrame(data,columns=['Date','Leg','Amt'])

# 执行透视转换
result = df.pivot(index='Date', columns='Leg', values='Amt')
print(result)

输出结果：

Leg     11    22    33
Date                  
1      2.0   7.0  15.0
2      3.0   8.0  16.0
3      NaN   9.0  17.0
4      NaN   NaN  18.0
5      NaN   NaN  19.0

如果需要把NaN替换成你指定的X，可以追加fillna方法：

result_with_x = result.fillna('X')
print(result_with_x)

输出结果：

Leg  11  22  33
Date           
1     2   7  15
2     3   8  16
3     X   9  17
4     X   X  18
5     X   X  19

说明 #

• pivot方法的参数：
  • index：指定作为结果行索引的列（这里是Date）
  • columns：指定作为结果列的列（这里是Leg）
  • values：指定填充到单元格中的值（这里是Amt）
• 如果你的数据存在Date和Leg的重复组合（即同一个日期同一个Leg有多条Amt记录），可以改用pivot_table并指定聚合方式（比如aggfunc='sum'）来处理重复值。

内容的提问来源于stack exchange，提问作者007