Pandas如何按日期升序将长表转换为多层列索引宽表

你可以通过Pandas的pivot_table结合列层级调整完成这个转换，是目前性能最优、代码最简洁的实现方式：

实现步骤 #

1. 首先将日期字段转换为日期类型，避免字符串排序出现逻辑错误，然后构造透视表：

import pandas as pd

# 构造示例DataFrame，实际使用时替换为你自己的df即可
data = [
    [1, 'abc', 'def', '12-09-21', 'a', 100.01, 109],
    [2, 'xyz', 'wer', '13-09-21', 'b', 45, 51],
    [1, 'xyz', 'def', '14-09-21', 'b', 34, 100],
    [1, 'abc', 'def', '13-09-21', 'a', 50, 60],
    [1, 'abc', 'def', '14-09-21', 'a', 45, 10]
]
df = pd.DataFrame(data, columns=['id', 'name1', 'name2', 'date', 'type', 'usage1', 'usage2'])

# 转换日期格式，注意你的日期是日-月-年格式，所以加dayfirst参数
df['date'] = pd.to_datetime(df['date'], dayfirst=True)

2. 透视并调整列层级顺序

# 生成透视表
pivot_df = df.pivot_table(
    index=['id', 'name1', 'name2', 'type'], # 固定为行的维度
    columns='date', # 上层列索引
    values=['usage1', 'usage2'], # 下层列指标
    aggfunc='first' # 同一分组仅一条数据时直接取第一个值即可
)

# 交换列层级，把日期放到上层、usage指标放到下层，符合你的输出要求
pivot_df = pivot_df.swaplevel(0, 1, axis=1)

# 按日期升序排列所有列
pivot_df = pivot_df.sort_index(axis=1, level=0)

# 可选操作：把日期格式转回你需要的字符串格式
pivot_df.columns = pivot_df.columns.set_levels(pivot_df.columns.levels[0].strftime('%d-%m-%y'), level=0)

# 可选操作：把行索引转为普通列，和你给出的输出结构完全一致
pivot_df = pivot_df.reset_index()

方案优势 #

全程使用Pandas原生向量化操作，性能远优于手动遍历拼接的实现方式，逻辑清晰不易出错。如果后续遇到同一(id、name1、name2、type、date)组合下有多条数据的场景，仅需要调整aggfunc参数即可，比如求和用sum、求均值用mean，扩展性很强。

内容的提问来源于stack exchange，提问作者Amit