Pandas 取消包含重复项的多索引的堆栈

我有一个像这样的数据框

Date     ID   Value
Mar-20   A     100
Mar-20   B     200
Mar-20   C     300
Apr-20   A     101
Apr-20   B     201
Apr-20   C     301

        Value
ID       A      B      c
Date
Mar-20  100    200    300
Apr-20  101    201    301

         Value 
Date     ID     A    B    C
Mar-20   A     100  NaN  NaN
Mar-20   B     NaN  200  NaN
Mar-20   C     NaN  NaN  300
Apr-20   A     101  NaN  NaN 
Apr-20   B     NaN  201  NaN 
Apr-20   C     NaN  NaN  301

我正试图重新塑造它，使它看起来像这样

Date     ID   Value
Mar-20   A     100
Mar-20   B     200
Mar-20   C     300
Apr-20   A     101
Apr-20   B     201
Apr-20   C     301

        Value
ID       A      B      c
Date
Mar-20  100    200    300
Apr-20  101    201    301

         Value 
Date     ID     A    B    C
Mar-20   A     100  NaN  NaN
Mar-20   B     NaN  200  NaN
Mar-20   C     NaN  NaN  300
Apr-20   A     101  NaN  NaN 
Apr-20   B     NaN  201  NaN 
Apr-20   C     NaN  NaN  301

我从尝试开始

df = df.set_index(["Date", "ID"])

但取消此项的堆栈将导致以下值错误：“索引包含重复的条目，无法重塑” 因此，我发现这个建议是如此，这让我大开眼界

df = df.set_index(["Date", "ID"].append = True)

但是当我通过“ID”（即df=df.unstack（“ID”）取消堆栈时，我的最终数据帧如下所示

Date     ID   Value
Mar-20   A     100
Mar-20   B     200
Mar-20   C     300
Apr-20   A     101
Apr-20   B     201
Apr-20   C     301

        Value
ID       A      B      c
Date
Mar-20  100    200    300
Apr-20  101    201    301

         Value 
Date     ID     A    B    C
Mar-20   A     100  NaN  NaN
Mar-20   B     NaN  200  NaN
Mar-20   C     NaN  NaN  300
Apr-20   A     101  NaN  NaN 
Apr-20   B     NaN  201  NaN 
Apr-20   C     NaN  NaN  301

我如何压缩它以获得我想要的输出

非常感谢使用预期输出（索引顺序已更改）：

如需正确订购，请添加：

如果需要正确顺序的原始格式：

df['Date'] = pd.to_datetime(df['Date'], format='%b-%y')
df = df.set_index(["Date", "ID"]).unstack().rename(lambda x: x.strftime('%b-%y'))
print (df)
       Value          
ID         A    B    C
Date                  
Mar-20   100  200  300
Apr-20   101  201  301

如果只有3列，则可以使用，但如果有更多列，则会失败，因此，如果常规数据：

df['Date'] = pd.to_datetime(df['Date'], format='%b-%y')
df = df.pivot(*df.columns).rename(lambda x: x.strftime('%b-%y'))
print (df)
ID        A    B    C
Date                 
Mar-20  100  200  300
Apr-20  101  201  301

如果输入数据中有任何列需要旋转，则只需使用大约3列：

df['Date'] = pd.to_datetime(df['Date'], format='%b-%y')
df = df.pivot('Date','ID','Value').rename(lambda x: x.strftime('%b-%y'))
print (df)
ID        A    B    C
Date                 
Mar-20  100  200  300
Apr-20  101  201  301

编辑：如果获取错误：

索引包含重复项，无法重新设置形状

这意味着每对

日期、ID

都有重复项，因此有必要使用聚合函数，如

求和

，

平均值

：

如果需要，更好的解决方案避免排序，谢谢@anky:

df = df.groupby(["Date", "ID"],sort=False)['Value'].sum().unstack()
print (df)
ID        A    B    C
Date                 
Mar-20  600  200  300
Apr-20  101  201  301

---

@YOBEN_S-ya，你说的是75%对，不幸的是，这个日期有点复杂。@jezrael df.pivot（*df.columns）？@YOBEN_S-很好，请补充回答。@jezrael会重新打开hehThanks，因为他回来找我。当我尝试第一个版本时，我得到的值错误是“索引包含重复项，无法重新塑造”。当我添加append=True来设置_索引时，我会加载不同版本的索引（每个ID 1个）@harrison10001-检查最后一段以获得解决方案。非常感谢。我会给出一个shot@anky-谢谢。