如何通过Pandas的pivot函数将DataFrame转换为指定格式？

直接用df.pivot(columns='store')没法一步到位得到你想要的格式，因为我们需要把color和size的所有唯一值合并成新的行索引，同时对重复组的quantity做求和，还要把缺失值补为0。下面是具体的实现方案：

1. 先回顾原始数据 #

我们先把你的原始代码和DataFrame列出来：

import pandas as pd
data = dict(store=['A', 'B', 'B'], color=['red', 'black', 'black'], size=['small', 'medium', 'small'], quantity=[2, 4, 1])
df = pd.DataFrame(data)

对应的原始DataFrame：

2. 分步实现目标格式 #

我们需要分别处理color和size维度的聚合，再合并结果：

第一步：用pivot_table分别聚合color和size

pivot_table比pivot更适合这里，因为它支持聚合重复组的数值，还能直接填充缺失值：

# 按color聚合，store为列，求和quantity，缺失值填0
color_agg = df.pivot_table(index='color', columns='store', values='quantity', aggfunc='sum', fill_value=0)

# 按size聚合，同样的逻辑
size_agg = df.pivot_table(index='size', columns='store', values='quantity', aggfunc='sum', fill_value=0)

第二步：合并两个聚合结果

用pd.concat把两个DataFrame的行合并起来，就得到你要的格式了：

final_df = pd.concat([color_agg, size_agg])

3. 最终结果 #

运行上面的代码后，final_df的输出就是：

A  B
red      2  0
black    0  5
small    2  1
medium   0  4

为什么不用直接的df.pivot(columns='store')？ #

因为pivot是基于唯一的行-列组合来重塑数据的，它不支持聚合操作——如果遇到重复的行-列组合（比如你的数据里B店出现了两次black），pivot会直接报错。而pivot_table正好解决了这个问题，还能一键处理缺失值填充，完美匹配你的需求。

内容的提问来源于stack exchange，提问作者ajrlewis