我有一个像这样的 Pandas DataFrame：
df = pd.DataFrame({
'Date': ['2017-1-1', '2017-1-1', '2017-1-2', '2017-1-2', '2017-1-3'],
'Groups': ['one', 'one', 'one', 'two', 'two'],
'data': range(1, 6)})
Date Groups data
0 2017-1-1 one 1
1 2017-1-1 one 2
2 2017-1-2 one 3
3 2017-1-2 two 4
4 2017-1-3 two 5
我怎样才能像这样生成一个新的DataFrame：
Date one two
0 2017-1-1 3 0
1 2017-1-2 3 4
2 2017-1-3 0 5
pivot_table为此制作的：
df.pivot_table(index='Date',columns='Groups',aggfunc=sum)
结果是
data
Groups one two
Date
2017-1-1 3.0 NaN
2017-1-2 3.0 4.0
2017-1-3 NaN 5.0
就我个人而言，我发现这种方法更容易理解，而且肯定比复杂的 groupby 操作更 Pythonic。然后，如果您想要指定格式，您可以整理一下：
df.fillna(0,inplace=True)
df.columns = df.columns.droplevel()
df.columns.name = None
df.reset_index(inplace=True)
这给了你
Date one two
0 2017-1-1 3.0 0.0
1 2017-1-2 3.0 4.0
2 2017-1-3 0.0 5.0
熊猫黑魔法：
df = df.groupby(['Date', 'Groups']).sum().sum(
level=['Date', 'Groups']).unstack('Groups').fillna(0).reset_index()
# Fix the column names
df.columns = ['Date', 'one', 'two']
结果df：
Date one two
0 2017-1-1 3.0 0.0
1 2017-1-2 3.0 4.0
2 2017-1-3 0.0 5.0
@tuomastik 的答案的一个（可能更习惯用语）替代方案：
df.groupby(['Date', 'Groups']).sum().unstack('Groups', fill_value=0).reset_index()