Pandas如何按日期分组统计并将分组值转换为列

你需要的是按日期分组统计用户出现频次，再将用户维度转为宽表列，可直接通过pandas内置方法实现，以下是可直接运行的代码：

import pandas as pd

# 构建示例DataFrame
df = pd.DataFrame({
    'Date': ['01-06-2022','01-06-2022','02-06-2022','01-06-2022','01-06-2022','03-06-2022','03-06-2022','03-06-2022','03-06-2022'],
    'User': ['A','A','A','B','C','A','C','B','B']
})

• 方法1：使用交叉表crosstab一步完成统计与宽表转换，是最简洁的写法

result = pd.crosstab(index=df['Date'], columns=df['User']).reset_index()

• 方法2：先分组计数再转置宽表，逻辑更直观

# 先按[Date,User]分组统计条数，再将User维度转为列，空值填充为0
result = df.groupby(['Date', 'User']).size().unstack(fill_value=0).reset_index()

注：你给出的期望结果中Date列存在笔误，运行上述代码得到的正确输出如下，和你预期的数值完全匹配，仅日期修正为原始数据对应的正确值：

Date  A  B  C
0  01-06-2022  2  1  1
1  02-06-2022  1  0  0
2  03-06-2022  1  2  1

参数说明：

• fill_value=0：指定某日期下无对应用户出现时，填充数值0，符合计数场景的需求
• reset_index()：将分组后作为索引的Date字段转回普通数据列，不需要可删除该调用

内容的提问来源于stack exchange，提问作者Rahul Sharma