如何用Python将DataFrame的日期时间列透视转换为按月份拆分的列

• 第一步：导入依赖库

import pandas as pd

• 第二步：构造测试数据（实际使用时替换为读取自己的数据集即可，比如pd.read_csv('你的文件路径.csv')）

data = {
    'Product': ['00001', '00002', '00003', '00001', '00002', '00003'],
    'Arrive Time': ['2021-1-25', '2021-2-25', '2021-3-25', '2021-4-25', '2021-4-25', '2021-3-10']
}
df = pd.DataFrame(data)

• 第三步：数据预处理，转换日期格式并提取月份信息

# 转换到货时间列为datetime格式
df['Arrive Time'] = pd.to_datetime(df['Arrive Time'])
# 提取月份数字用于保证列的自然顺序
df['month_num'] = df['Arrive Time'].dt.month

• 第四步：生成透视表并按需求调整格式

# 生成透视表，统计每个产品每月的到货次数
pivot_df = df.pivot_table(
    index='Product',
    columns='month_num',
    values='Arrive Time',
    aggfunc='count',
    fill_value=0
)
# 将列名从数字替换为月份英文全称
pivot_df.columns = pd.to_datetime(pivot_df.columns, format='%m').month_name()
# 替换值：到货次数大于0标记为Yes，否则标记为na
pivot_df = pivot_df.map(lambda x: 'Yes' if x > 0 else 'na').reset_index()

• 补充说明：如果数据集包含多个年份，需要区分不同年份的同月份到货记录，可修改月份提取逻辑为：

df['year_month'] = df['Arrive Time'].dt.strftime('%Y-%B')
# 后续透视表的columns参数改为'year_month'即可

内容的提问来源于stack exchange，提问作者PaulCoder