pandas groupby分组后仅转置特定列的实现方法

我知晓Stack Overflow平台上已有大量同类问题，但查阅大量相关解答后仍未找到适配自身需求的解决方案。

测试数据集 #

构造测试数据集的代码如下：

import pandas as pd
df = pd.DataFrame({
    'ID': ['1', '2', '3', '4','5','6','7'],
    'Manager': ["James","James","James", "Jason", "Kirk", "Lars", "Lars"],
    'weekno': [25, 25,25,25,25,25,25],
    'monthno': [6, 6,6,6,6,6,6]
})

需求说明 #

按月份、周维度分组生成类透视表结构：

• 行维度：经理姓名
• 统计值：对应经理名下的ID计数（ID为唯一设备标识，即统计不同经理管辖的设备总数量）

现有代码及问题 #

当前已实现基础分组计数的代码如下：

df = df.groupby(['monthno','weekno','Manager']).agg({'ID':'count'})

该代码能完成基础分组计数，但无法实现仅将monthno、weekno两列转置为列维度的效果；如果直接在代码末尾追加.T方法，会默认转置全部字段，把经理维度也转到列上，不符合预期。

期望效果 #

已在Excel中制作期望输出样例（样例数值为随机模拟值），效果为多层列头：第一层是月份、第二层是周，行头为经理姓名，单元格值为对应统计的ID数量。

不要直接对全量分组结果做转置，分组后通过unstack指定要转到列的层级即可，或者直接用pivot_table实现，两种方法都可以：

# 方法1：基于现有分组代码调整，指定unstack的层级为月份、周，保留Manager在行维度
result = df.groupby(['Manager', 'monthno', 'weekno'])['ID'].count().unstack(level=['monthno', 'weekno'])
# 空值填0，转成整数格式
result = result.fillna(0).astype(int)

# 方法2：直接用透视表函数，逻辑更直观
result = pd.pivot_table(
    df,
    index='Manager',
    columns=['monthno', 'weekno'],
    values='ID',
    aggfunc='count',
    fill_value=0
)

用提供的测试集运行后输出结果如下：

如果后续数据存在多个月份、多个周的情况，列头会自动按「月份-周」的多层级展开，完全匹配需要的透视表结构，不会出现全量转置的问题。

内容的提问来源于stack exchange，提问作者segababa