基于另一列求和的Pandas透视表实现（模拟双索引效果）

嘿，我来帮你搞定这个需求！你的数据里每条记录包含出发日期+配送金额和返程日期+返程金额两组关联数据，要实现类似双索引的透视表求和，核心是先把宽格式的数据转成适合聚合的长格式，再用透视表做分组求和。

第一步：准备示例数据 #

先把你给出的示例数据补全完整：

import pandas as pd

df = pd.DataFrame(
    {
        "dep_date": [201701, 201701, 201702, 201703],
        "del_amount": [100, 200, 300, 400],
        "ret_date": [201703, 201702, 201703, 201705],
        "ret_amount": [50, 75, 150, 175]
    }
)
print(df)

输出的完整数据是：

dep_date  del_amount  ret_date  ret_amount
0    201701         100    201703          50
1    201701         200    201702          75
2    201702         300    201703         150
3    201703         400    201705         175

第二步：将宽格式数据转换为长格式 #

我们需要把「出发日期+配送金额」和「返程日期+返程金额」这两组数据合并成统一的日期-金额-类型结构，这样才能方便后续的透视聚合：

# 提取出发相关数据，重命名列并标记类型
dep_part = df[["dep_date", "del_amount"]].rename(columns={"dep_date": "date", "del_amount": "amount"})
dep_part["biz_type"] = "配送"

# 提取返程相关数据，重命名列并标记类型
ret_part = df[["ret_date", "ret_amount"]].rename(columns={"ret_date": "date", "ret_amount": "amount"})
ret_part["biz_type"] = "返程"

# 合并两个部分为长格式数据
long_df = pd.concat([dep_part, ret_part], ignore_index=True)
print(long_df.head())

转换后的长格式数据片段：

date  amount biz_type
0  201701     100       配送
1  201701     200       配送
2  201702     300       配送
3  201703     400       配送
4  201703      50       返程

第三步：创建双索引风格的透视表 #

现在我们可以用pd.pivot_table来实现两种常见的双索引效果：

效果1：日期作为行索引，业务类型作为列索引，展示各日期的总金额

pivot_table1 = pd.pivot_table(
    long_df,
    index="date",
    columns="biz_type",
    values="amount",
    aggfunc="sum",
    fill_value=0  # 没有数据的日期-类型组合填充0
)
print(pivot_table1)

输出结果：

biz_type    配送   返程
date               
201701     300     0
201702     300    75
201703     400   200
201705       0   175

效果2：日期+业务类型作为双行索引，展示每组的总金额

如果想要更贴近「双索引行」的形式，可以把index设置为列表：

pivot_table2 = pd.pivot_table(
    long_df,
    index=["date", "biz_type"],
    values="amount",
    aggfunc="sum"
).reset_index()
print(pivot_table2)

输出结果：

date biz_type  amount
0  201701       配送     300
1  201702       配送     300
2  201702       返程      75
3  201703       配送     400
4  201703       返程     200
5  201705       返程     175

补充说明 #

• 转长格式是关键：因为原始数据中日期和金额是分两组存储的，只有转换成统一的结构，才能让透视表同时处理出发和返程的维度。
• aggfunc="sum"指定了求和的聚合方式，如果需要其他统计（比如均值、计数），替换成对应函数即可。

内容的提问来源于stack exchange，提问作者O Pardal