以日期为值的 Pandas 数据透视表

假设我有以下客户数据表

df = pd.DataFrame.from_dict({"Customer":[0,0,1],
        "Date":['01.01.2016', '01.02.2016', '01.01.2016'],
        "Type":["First Buy", "Second Buy", "First Buy"],
        "Value":[10,20,10]})

看起来像这样:

Customer |   Date   |   Type   |   Value
-----------------------------------------
       0 |01.01.2016|First Buy |     10
-----------------------------------------
       0 |01.02.2016|Second Buy|     20
-----------------------------------------
       1 |01.01.2016|First Buy |     10

我想按类型列旋转表格。
但是，旋转仅给出数值列作为结果。
我想要一个像这样的结构:

 Customer | First Buy Date | First Buy Value | Second Buy Date | Second Buy Value
---------------------------------------------------------------------------------

其中缺失值是 NAN 或 NAT
这是否可以使用pivot_table。如果没有，我可以想象一些解决方法，但它们非常长。还有其他建议吗？

最佳答案

使用 unstack :

df1 = df.set_index(['Customer', 'Type']).unstack()
df1.columns = ['_'.join(cols) for cols in df1.columns]
print (df1)
         Date_First Buy Date_Second Buy  Value_First Buy  Value_Second Buy
Customer
0            01.01.2016      01.02.2016             10.0              20.0
1            01.01.2016            None             10.0               NaN

如果需要其他列顺序，请使用 swaplevel 和 sort_index :

df1 = df.set_index(['Customer', 'Type']).unstack()

df1.columns = ['_'.join(cols) for cols in df1.columns.swaplevel(0,1)]
df1.sort_index(axis=1, inplace=True)
print (df1)
         First Buy_Date  First Buy_Value Second Buy_Date  Second Buy_Value
Customer
0            01.01.2016             10.0      01.02.2016              20.0
1            01.01.2016             10.0            None               NaN

关于以日期为值的 Pandas 数据透视表，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/38867026/