如何使用pandas的groupby函数生成按客户分组的服务收入宽表？

现有长格式DataFrame如下：

需要转换为宽格式，每行对应一个客户，各列对应不同服务类型的收入，缺失项填充为0，目标结果如下：

要求使用pandas的groupby函数实现转换。

步骤1：数据预处理 #

首先要统一客户名称和服务类型的格式，避免因大小写、末尾标点导致分组错误：

• 客户名称：去掉末尾的.（比如bar.转为bar）
• 服务类型：去掉末尾的.并转为大写（比如A.→A，b→B）

步骤2：分组与格式转换 #

通过groupby按客户和服务类型分组后求和（确保同一客户同一服务的收入合并），再用unstack将服务类型转为列，最后填充缺失值为0并调整列名。

完整代码示例 #

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    '客户': ['foo.', 'foo.', 'foo.', 'bar', 'bar.'],
    '服务类型': ['A.', 'B.', 'C', 'A', 'b'],
    '收入': [25., 50., 15., 25., 10.]
})

# 数据清洗：统一格式
df['客户'] = df['客户'].str.rstrip('.')  # 去掉客户名称末尾的点
df['服务类型'] = df['服务类型'].str.rstrip('.').str.upper()  # 统一服务类型格式

# 使用groupby+unstack实现宽表转换
wide_df = df.groupby(['客户', '服务类型'])['收入'].sum() \
            .unstack(fill_value=0) \
            .rename(columns=lambda x: f'服务类型{x}收入') \
            .reset_index()

print(wide_df)

代码说明 #

• groupby(['客户', '服务类型'])['收入'].sum()：按客户和服务类型分组，对收入求和，确保同一分组的收入合并。
• unstack(fill_value=0)：将服务类型从行索引转为列，缺失的服务类型自动填充0。
• rename(columns=lambda x: f'服务类型{x}收入')：将列名调整为目标格式（比如A→服务类型A收入）。
• reset_index()：将客户从索引转回普通列。

内容的提问来源于stack exchange，提问作者snakshak12