如何将DataFrame按code和date去重并将Tb列宽表化为Y/N格式？

我有一份需要整理格式的DataFrame数据，需求如下：

• 对code和date字段去重
• 将数据转换为宽表格式，把Tb列的不同取值作为新列名
• 若对应code和date出现在该Tb分组中则标记为Y，否则标记为N

原始数据：

code    date       Tb
 88      20250831   Tb-A
 49      20250817   Tb-A
 67      20250819   Tb-B
 808     20250804   Tb-B
 25      20250804   Tb-B
 67      20250819   Tb-C
 808     20250804   Tb-C
 25      20250804   Tb-C

目标格式：

code    date       Tb-A   Tb-B    Tb-C
 88      20250831   Y      N        N
 49      20250817   Y      N        N
 67      20250819   N      Y        Y
 808     20250804   N      Y        Y
 25      20250804   N      Y        Y

我的思路是先对code和date去重，再将Tb列pivot wider为列名并赋值Y/N，但不确定具体实现方法。

解决方案 #

Python pandas 实现 #

不需要手动提前去重，用pivot_table或crosstab就能一步完成分组标记：

方法1：pivot_table

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'code': [88, 49, 67, 808, 25, 67, 808, 25],
    'date': [20250831, 20250817, 20250819, 20250804, 20250804, 20250819, 20250804, 20250804],
    'Tb': ['Tb-A', 'Tb-A', 'Tb-B', 'Tb-B', 'Tb-B', 'Tb-C', 'Tb-C', 'Tb-C']
})

# 生成宽表，存在则标记Y，否则填充N
result = df.pivot_table(
    index=['code', 'date'],
    columns='Tb',
    aggfunc=lambda x: 'Y' if len(x) > 0 else 'N',
    fill_value='N'
).reset_index()

# 调整列名（去除层级结构）
result.columns = result.columns.get_level_values(0)

print(result)

方法2：crosstab（更简洁）

import pandas as pd

df = pd.DataFrame({
    'code': [88, 49, 67, 808, 25, 67, 808, 25],
    'date': [20250831, 20250817, 20250819, 20250804, 20250804, 20250819, 20250804, 20250804],
    'Tb': ['Tb-A', 'Tb-A', 'Tb-B', 'Tb-B', 'Tb-B', 'Tb-C', 'Tb-C', 'Tb-C']
})

result = pd.crosstab(
    index=[df['code'], df['date']],
    columns=df['Tb']
).applymap(lambda x: 'Y' if x > 0 else 'N').reset_index()

print(result)

R tidyverse 实现 #

你的思路方向是对的，不过可以用pivot_wider直接处理，无需手动去重：

library(tidyverse)

# 构造原始数据
df <- tibble(
  code = c(88, 49, 67, 808, 25, 67, 808, 25),
  date = c(20250831, 20250817, 20250819, 20250804, 20250804, 20250819, 20250804, 20250804),
  Tb = c("Tb-A", "Tb-A", "Tb-B", "Tb-B", "Tb-B", "Tb-C", "Tb-C", "Tb-C")
)

# 生成宽表：存在的行标记Y，缺失的填充N
result <- df %>%
  mutate(flag = "Y") %>%
  pivot_wider(
    id_cols = c(code, date),
    names_from = Tb,
    values_from = flag,
    values_fill = list(flag = "N")
  )

print(result)

内容的提问来源于stack exchange，提问作者Joe