如何同时取消堆叠两列生成合并列名？分组DataFrame按Group与Date展开Amount

嘿，这事儿不难，用Pandas的unstack()方法就能搞定，关键是先把要转成列的两个字段（Group和Date）设置成多重索引的层级，然后一次性unstack它们就行。我给你一步步拆解：

步骤1：准备数据与设置多重索引 #

假设你的DataFrame变量名叫df，首先我们需要把要保留为行维度的字段（比如ID、Name、Category）设为索引的第一层，然后把要转成列的Group和Date设为索引的后续层级：

# 设置多重索引
df_indexed = df.set_index(['ID', 'Name', 'Category', 'Group', 'Date'])

步骤2：取消堆叠两个列维度 #

接下来针对Amount字段，直接unstackGroup和Date这两个层级，这样就会把它们转成列的维度：

# 同时unstack Group和Date两个层级
df_unstacked = df_indexed['Amount'].unstack(['Group', 'Date'])

这时候你得到的是多级列名的DataFrame，列的第一层是Group的取值（比如INT、FEE），第二层是Date的取值（比如2018-02-28、2018-03-31）。

步骤3：（可选）合并多级列名为单个列名 #

如果觉得多级列名不方便，你可以把它们合并成单个字符串列名，比如用下划线连接：

# 合并多级列名，格式为「Group_Date」
df_unstacked.columns = ['_'.join(col) for col in df_unstacked.columns]

步骤4：（可选）重置索引为普通列 #

最后如果想把原来的行索引（ID、Name、Category）转回普通列，用reset_index()就行：

df_final = df_unstacked.reset_index()

示例输出效果 #

处理后的DataFrame大概是这样的结构（以你提供的样例数据为例）：

补充：如果已经做过分组聚合 #

如果你之前已经通过groupby做了聚合（比如按ID、Name、Category、Group、Date求和Amount），那直接对聚合后的Series执行unstack(['Group', 'Date'])就可以，不用再设置索引了：

# 假设已经聚合得到grouped_series
grouped_series = df.groupby(['ID', 'Name', 'Category', 'Group', 'Date'])['Amount'].sum()
df_unstacked = grouped_series.unstack(['Group', 'Date'])

内容的提问来源于stack exchange，提问作者asimo