Python 3.x 如何使用转置将数据帧转换为矩阵

我有以下

df

code    y_m        count
101     2017-11    86
101     2017-12    32
102     2017-11    11
102     2017-12    34
102     2018-01    46
103     2017-11    56
103     2017-12    89

现在我想将这个

df

转换成一个矩阵，将列

y\m

转换为行，使

作为矩阵单元格值进行计数，如下所示：

     0     1     2             3             4 
 0   -1    0    2017-11       2017-12       2018-01
 1   0    354   153           155           46
 2   101  118   86            32            -1
 3   102   91   11            34            46
 4   103  145   -1            89            -1

具体而言，
-1
表示虚拟值，该虚拟值指示特定
代码的
y\m
的值不存在或保持矩阵形状
0
表示“所有”值，该值聚合了
code
或
y_m
或
code
和
y_m
，例如单元格
（1，1）
对所有
y_m
和
的
计数值求和
（1,2）
对
2017-11
的
计数进行求和
 您可以先使用：

然后是最终格式，但得到混合值，带字符串的数字：

#change order of index and columns values for reindex
idx = df1.index[-1:].tolist() + df1.index[:-1].tolist()
cols = df1.columns[-1:].tolist() + df1.columns[:-1].tolist()

df2 = (df1.reindex(index=idx, columns=cols)
         .reset_index()
         .rename(columns={'code':-1})
         .rename_axis(None,1))
#add columns to first row
df3 = df2.columns.to_frame().T.append(df2).reset_index(drop=True)
#reset columns names to range
df3.columns = range(len(df3.columns))
print (df3)
     0    1        2        3        4
0   -1    0  2017-11  2017-12  2018-01
1    0  354      153      155       46
2  101  118       86       32       -1
3  102   91       11       34       46
4  103  145       56       89       -1

#change order of index and columns values for reindex
idx = df1.index[-1:].tolist() + df1.index[:-1].tolist()
cols = df1.columns[-1:].tolist() + df1.columns[:-1].tolist()

df2 = (df1.reindex(index=idx, columns=cols)
         .reset_index()
         .rename(columns={'code':-1})
         .rename_axis(None,1))
#add columns to first row
df3 = df2.columns.to_frame().T.append(df2).reset_index(drop=True)
#reset columns names to range
df3.columns = range(len(df3.columns))
print (df3)
     0    1        2        3        4
0   -1    0  2017-11  2017-12  2018-01
1    0  354      153      155       46
2  101  118       86       32       -1
3  102   91       11       34       46
4  103  145       56       89       -1