pandas 将多条记录整合成一条记录，每条记录的year和month字段组成新的字段名
你可以使用 Pandas 的 pivot_table() 或 groupby() 方法，将多条记录整合成一条，并通过 year 和 month 这两个字段生成新的字段名。具体的实现方法是通过 pivot_table() 将 year 和 month 作为列标签，将其他列中的数据进行整合。
假设你的数据框 df 的结构如下：
import pandas as pd
data = {
'id': [1, 1, 1, 2, 2],
'year': [2023, 2023, 2024, 2023, 2024],
'month': [1, 2, 1, 1, 1],
'value': [10, 20, 30, 40, 50]
}
df = pd.DataFrame(data)
print(df)
输出的原始数据：
id year month value
0 1 2023 1 10
1 1 2023 2 20
2 1 2024 1 30
3 2 2023 1 40
4 2 2024 1 50
目标：
将 year 和 month 组成新的字段名，并将 value 的值填入这些新列。
实现：
- 创建
year_month字段：将year和month组合成一个新的列名。 - 使用
pivot_table将数据透视：将id作为索引，将year_month作为列，value作为要填充的数据。
# 1. 创建新的列名 'year_month'
df['year_month'] = df['year'].astype(str) + '_' + df['month'].astype(str)
# 2. 使用 pivot_table 将数据透视
df_pivot = df.pivot_table(index='id', columns='year_month', values='value', aggfunc='first').reset_index()
# 3. 填充数据，避免空值
df_pivot.fillna(0, inplace=True)
# 查看结果
print(df_pivot)
输出结果：
year_month id 2023_1 2023_2 2024_1
0 1 10.0 20.0 30.0
1 2 40.0 0.0 50.0
解释：
- 创建
year_month列：将year和month列的值拼接成一个新的列（如2023_1,2023_2）。 - 数据透视：使用
pivot_table()将id作为索引，并将year_month作为新的列名，value作为列值。 - 空值处理：透视后的表格中可能会有空值（例如某些
id下没有某个year_month），使用fillna(0)将其填充为 0。
这样你就能将原本多条记录整合成一条，并将 year 和 month 字段组成新的字段名。