如何将列表中的多门店销售DataFrame合并为日期索引、单店单列的DataFrame

你完全不需要自己写循环拆分再拼接，直接用pandas内置的pivot_table一行就能实现需求，比你现在写循环的方案简洁高效很多：

import pandas as pd

# 直接生成目标格式的DataFrame
result = df_sales_shops.pivot_table(
    index='Date',  # 设日期为行索引
    columns='Store',  # 设门店编号为列名
    values='Weekly_Sales',  # 填充值取周销售额
    aggfunc='sum'  # 同一门店同一日期的销售额求和
)
# 若需要调整列名格式为「门店X」，可新增以下代码
result.columns = [f'门店_{col}' for col in result.columns]

基于现有逻辑的修正方案 #

你现有代码的问题是调用reset_index(drop=True)把日期索引丢弃了，后续拼接时无法对齐日期，很容易出现数据错位。如果要基于你已有的拆分逻辑实现，可参考以下代码：

stores_revenue = []
for store in range(1,46):
    # 筛选单门店数据
    temp = df_sales_shops[df_sales_shops['Store'] == store]
    # 按日期求和，同时将该列重命名为对应门店名，保留Date为索引
    store_sale = temp.groupby('Date')['Weekly_Sales'].sum().rename(f'门店_{store}')
    stores_revenue.append(store_sale)

# 按行索引（日期）拼接所有门店的销售额列
result = pd.concat(stores_revenue, axis=1)

说明 #

• 以上两种方案都会自动对齐日期索引，不存在不同门店日期错位的问题
• 内置方法经过官方优化，比手动循环效率更高，数据量越大优势越明显
• 代码逻辑简洁，大幅降低出错概率

内容的提问来源于stack exchange，提问作者Rocket