Python：如何将数据转换为按用户分组的周度统计数据框？

完整代码实现 #

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'User': ['x', 'x', 'y', 'z'],
    'Date': ['2021/03/01', '2021/03/09', '2021/03/09', '2021/03/17'],
    'Items': [3, 5, 11, 7]
})

# 转换日期格式并计算当月周数
df['Date'] = pd.to_datetime(df['Date'])
df['Week'] = 'Week ' + ((df['Date'].dt.day - 1) // 7 + 1).astype(str)

# 生成透视表，填充缺失值为0
pivot_result = df.pivot_table(
    index='User',
    columns='Week',
    values='Items',
    aggfunc='sum',
    fill_value=0
).reset_index()

# 添加Total列
pivot_result['Total'] = pivot_result.iloc[:, 1:].sum(axis=1)

# 调整列顺序匹配需求
final_df = pivot_result[['User', 'Week 1', 'Week 2', 'Week 3', 'Total']]

print(final_df)

关键步骤说明 #

• 日期与周数处理：将Date转为datetime类型后，通过(day-1)//7 +1计算当月内的周序号（确保3月1日属于Week1，3月9日属于Week2，3月17日属于Week3），再拼接成Week N的格式。
• 透视表转换：使用pivot_table快速实现长表转宽表，自动按User分组、Week分列，对Items求和并将缺失的周数填充为0，比groupby+unstack更简洁高效。
• 总计列计算：通过iloc[:,1:]选中所有周数据列，逐行求和得到Total。
• 列顺序调整：手动指定列顺序，确保输出与需求完全一致。

内容的提问来源于stack exchange，提问作者Brad