pandas多分类变量场景下长表转宽表(unpivot)实现方法咨询

解决方案 #

1. 长格式存储实现（优先推荐的存储结构） #

你需要的行维度存储长格式本身符合标准数据结构，无需复杂转换，直接提取对应字段即可，支持任意新增分类字段扩展：

# 标准长格式：每行对应一个分组+单个日期的count数值
long_df = df[['Store', 'Season', 'Fruit', 'needed', 'date', 'count']].copy()

# 可选优化：统一字段类型减少存储占用
long_df['date'] = pd.to_datetime(long_df['date'])
long_df[['Store', 'Season', 'Fruit']] = long_df[['Store', 'Season', 'Fruit']].astype('category')

2. 转目标宽格式实现 #

如果需要生成日期作为列的宽表输出，使用pivot方法即可，所有需要保留的分类字段都放入index参数，天然支持多分类字段兼容：

wide_df = df.pivot(
    # 所有需要保留的分类字段都加入此列表，新增分类直接加在这里即可
    index=['Store', 'Season', 'Fruit', 'needed'],
    columns='date',
    values='count'
).reset_index()

# 可选：将列名的日期转为字符串格式，对齐你给出的示例输出
wide_df.columns = [col.strftime('%Y-%m-%d') if isinstance(col, pd.Timestamp) else col for col in wide_df.columns]
# 可选：空值填充为空字符串，和示例展示效果一致
wide_df = wide_df.fillna('')

原写法问题说明 #

你之前的写法只选择了Store作为分组维度，未包含Season、Fruit、needed等其他分类字段，所以会丢失字段信息，只要把所有需要保留的分类字段都加入分组维度即可实现兼容扩展。

内容的提问来源于stack exchange，提问作者bkeesey