Pandas如何通过带过滤的自关联实现长表转按店铺分列的周度销售宽表

你要做的是分组聚合后宽表转换，用pivot或者多级索引unstack的方式比循环merge更简单稳定，完整实现代码如下：

import pandas as pd

# 1. 先确保day列为datetime格式（如果已经是可以跳过这步）
df['day'] = pd.to_datetime(df['day'])

# 2. 按周、type、store分组，对销售额和订单量求和
df_grouped = df.groupby(
    [pd.Grouper(key='day', freq='W-MON', label='right'),
     'type',
     'store']
)[['sales', 'orders']].sum().reset_index()

# 3. 透视生成宽表，缺失值填充为0
df_res = df_grouped.pivot(
    index=['day', 'type'],
    columns='store',
    values=['sales', 'orders']
).fillna(0).astype(int) # 匹配示例的整数输出格式

# 4. 拼接列名，把两级列名合并成「指标_店铺」格式
df_res.columns = [f'{col[0]}_{col[1]}' for col in df_res.columns]

# 5. 重置索引把day和type变回普通列
df_res = df_res.reset_index()

最终得到的df_res完全符合你需要的输出结构。

• 循环merge时suffixes参数设置错误，两个后缀写了相同值，会导致列名冲突混乱
• 每次merge的子分组结果里都带store列，多次outer join后会生成大量冗余的store_x、store_y列
• 店铺列表里重复写了两次apple，会重复合并apple的数据，导致结果异常
• 多次outer join后缺失值不会自动填充为0，需要额外处理

内容的提问来源于stack exchange，提问作者Jonas Palačionis