Pandas如何将type列按取值拆分，按日期计算各类型平均重量生成新列

你要实现的是典型的长表转宽表+分组聚合需求，不需要手动拆分DataFrame再合并，有两种简便实现方式：

方法1：用pivot_table（最直观） #

pivot_table本身就支持按指定维度分组、聚合计算，一行代码即可完成：

import pandas as pd

# 原始数据构造
d = {'date' : ['2020-02-01', '2020-02-01', '2020-02-01', '2020-02-01', '2020-02-02', '2020-02-02', '2020-02-02'], 
     'type' : ['Bird', 'Dog', 'Cat', 'Bird', 'Dog', 'Cat', 'Bird'], 
     'weight' :  [1, 2, 3, 4, 5, 6, 7]}
df = pd.DataFrame(d)

# 核心逻辑：以date为行索引，type的取值为列名，对weight求均值
result = df.pivot_table(
    index='date',
    columns='type',
    values='weight',
    aggfunc='mean'
).reset_index()

# 可选：修改列名为小写格式匹配你的需求
result.columns = ['date', 'bird', 'cat', 'dog']

运行后输出结果：

date  bird  cat  dog
0  2020-02-01   2.5  3.0  2.0
1  2020-02-02   7.0  6.0  5.0

方法2：用groupby + unstack（符合分组逻辑习惯） #

如果你更熟悉groupby语法，可以先按date和type分组计算均值，再把type维度展开为列：

result = df.groupby(['date', 'type'])['weight'].mean().unstack().reset_index()
# 同样可自定义列名
result.columns = ['date', 'bird', 'cat', 'dog']

两种方法最终输出结果完全一致。

内容的提问来源于stack exchange，提问作者Anton Troitsky