Pandas DataFrame如何行转列 将metric_name各指标转为独立列

你之前的代码逻辑是对metric_date分组后统计各metric_name的出现次数，所以返回结果全是1.0的计数值，无法得到value列的实际业务数值，用以下两种方法即可实现你要的宽表结构：

• 方法1：pivot_table（优先推荐，兼容重复条目场景）
  从你给出的指标计数来看，不同指标的记录条数存在差异，用pivot_table可以灵活处理重复值、缺失值问题，代码如下：

  # 行索引按需选择需要保留的公共维度字段
  wide_data = data.pivot_table(
      index = ['metric_date', 'warehouse', 'week', 'year', 'day'],
      columns = 'metric_name',
      values = 'value',
      aggfunc = 'first' # 同维度同指标存在多条记录时的聚合规则，可按需替换为sum/mean等
  ).reset_index()
  
  # 清理转置后残留的列名层级
  wide_data.columns.name = None
  

• 方法2：pivot（仅适用于无重复维度组合场景）
  如果你确认同一个公共维度+metric_name的组合不存在重复记录，可以直接用pivot实现，语法更简洁：

  wide_data = data.pivot(
      index = ['metric_date', 'warehouse', 'week', 'year', 'day'],
      columns = 'metric_name',
      values = 'value'
  ).reset_index()
  wide_data.columns.name = None
  

运行提示：如果使用pivot时报「存在重复索引条目」的错误，直接换回pivot_table方法，根据业务需求调整聚合规则即可。转换完成后的结果每一行对应唯一的日期+仓库等公共维度，每一列对应独立指标，单元格填充对应value字段的数值，可直接用于时间序列预测建模。

内容的提问来源于stack exchange，提问作者Maxl Gemeinderat