pandas按date分组后基于I1、I2值组合生成新列的通用实现方法

实现方案 #

你可以直接用pandas内置的pivot/pivot_table方法完成转换，代码简洁且通用，兼容不同的I1、I2取值组合场景。

基础代码示例

假设原始DataFrame命名为df，实现代码如下：

# 生成透视表，以date为行索引，I1+I2为列维度，取F1、F2的值
result = df.pivot(index='date', columns=['I1', 'I2'], values=['F1', 'F2'])
# 把多级列名拼接成目标格式的单级列名
result.columns = result.columns.map(lambda col: f"{col[0]}-{col[1]}-{col[2]}")
# 将date从索引恢复为普通列
result = result.reset_index()

兼容重复数据的通用版本

如果存在同一个date下I1、I2组合重复的情况，可以改用pivot_table指定聚合规则，避免报错：

result = df.pivot_table(
    index='date',
    columns=['I1', 'I2'],
    values=['F1', 'F2'],
    aggfunc='first'  # 可根据需求替换为sum、mean等聚合函数
)
result.columns = result.columns.map(lambda col: f"{col[0]}-{col[1]}-{col[2]}")
result = result.reset_index()

运行后得到的result就是你需要的目标结构DataFrame，列顺序可以按需再调整。

内容的提问来源于stack exchange，提问作者20_Limes