如何将DataFrame的Date列转为表头，以多列作为索引进行透视？

这是个很常见的结构化数据重塑需求，咱们用Pandas的pivot()方法就能完美解决，下面是具体实现步骤：

1. 先构造原始测试DataFrame #

首先把你给出的原始数据用代码还原，方便你直接测试：

import pandas as pd

df = pd.DataFrame({
    'Entity': [111, 111, 222, 333],
    'Name': ['Name1', 'Name2', 'Name3', 'Name1'],
    'Date': ['2018-03-31', '2018-02-28', '2018-02-28', '2018-01-31'],
    'Value': [100, 200, 1000, 2000]
})

2. 执行转宽操作 #

核心就是用pivot()方法，明确指定行索引、新列名的来源和填充值的来源：

wide_df = df.pivot(index=['Entity', 'Name'], columns='Date', values='Value').reset_index()

参数说明： #

• index=['Entity', 'Name']：因为不同Entity可能存在相同的Name，所以把这两列作为联合行索引，确保每一行的唯一性
• columns='Date'：将Date列的所有唯一值转换为新的列名
• values='Value'：用Value列的对应值填充新列的单元格
• reset_index()：把联合索引重新转为普通列，还原成你需要的结构

3. 优化列名显示（可选） #

转完之后Date会作为列的层级标签，咱们可以把它去掉，让输出更清爽：

wide_df.columns.name = None  # 移除列名的层级标记

最终输出结果 #

执行完上述代码后，就能得到和需求完全一致的DataFrame：

Entity    Name  2018-01-31  2018-02-28  2018-03-31
0     111   Name1         NaN         NaN       100.0
1     111   Name2         NaN       200.0         NaN
2     222   Name3         NaN      1000.0         NaN
3     333   Name1      2000.0         NaN         NaN

如果你的数据中存在同一(Entity, Name, Date)组合有重复值的情况，pivot()会报错，这时候可以改用pivot_table()并指定聚合函数（比如aggfunc='mean'）来处理重复值哦。

内容的提问来源于stack exchange，提问作者ProgSky