Python 熊猫数据帧将特定日期范围的长格式数据转换为宽格式数据

我正在尝试将时间序列数据从长格式转换为宽格式。数据如下所示

+======+==========+======+======+
| Name |   Date   | Val1 | Val2 |
+======+==========+======+======+
| A    | 1/1/2018 |    1 |    2 |
+------+----------+------+------+
| B    | 1/1/2018 |    2 |    3 |
+------+----------+------+------+
| C    | 1/1/2018 |    3 |    4 |
+------+----------+------+------+
| D    | 1/4/2018 |    4 |    5 |
+------+----------+------+------+
| A    | 1/4/2018 |    5 |    6 |
+------+----------+------+------+
| B    | 1/4/2018 |    6 |    7 |
+------+----------+------+------+
| C    | 1/4/2018 |    7 |    8 |
+------+----------+------+------+

我的最终目标是为

01/01/2018

到

01/04/2018

的日期范围创建一个数据透视表。由于在日期

2018年2月1日

或

2018年3月1日

上没有值，我希望它们用

NaN

填充。为了进一步简化，我的最终表格是这样的：

+---+---------------+---------------+---------------+---------------+---------------+---------------+---------------+---------------+
|   | Val1.1/1/2018 | Val2.1/1/2018 | Val1.1/2/2018 | Val2.1/2/2018 | Val1.1/3/2018 | Val2.1/3/2018 | Val1.1/4/2018 | Val2.1/4/2018 |
+---+---------------+---------------+---------------+---------------+---------------+---------------+---------------+---------------+
| A | 1             | 2             | NULL          | NULL          | NULL          | NULL          |             5 |             6 |
| B | 2             | 3             | NULL          | NULL          | NULL          | NULL          |             6 |             7 |
| C | 3             | 4             | NULL          | NULL          | NULL          | NULL          |             7 |             8 |
| D | NULL          | NULL          | NULL          | NULL          | NULL          | NULL          |             4 |             5 |
+---+---------------+---------------+---------------+---------------+---------------+---------------+---------------+---------------+

根据我的理解，有两个步骤可以达到上述目标。 首先是以长格式填写数据，日期不在

2018年1月1日

至

2018年4月1日

之间，即is

2018年2月1日

和

2018年3月1日

第二步也是最后一步是以广泛的格式透视数据

为了实现第一步，我提到了这一点。 根据答案，如果多行中有相似的日期

df。重新索引（日期范围）

将引发以下错误，

ValueError:cannot reindex from a replicate axis

，这是真的，为了克服这一问题，我遵循了以下代码

df['Date'] =  pd.to_datetime(df['Date'], format='%m/%d/%Y')
df.set_index('Date', inplace = True)

date_range = pd.date_range('2018-01-01', '2018-01-04', freq='D')
df = df.loc(date_range)

df1 = df.pivot_table(index='Name', columns='Date', aggfunc='sum')

上述代码导致以下错误：

TypeError: unhashable type: 'DatetimeIndex'

我使用这行代码解决了上述问题

df = df.loc[date_range,:]

虽然我能够获得所需的长格式，但Python给出了如下警告：

Passing list-likes to .loc or [] with any missing label will raise
KeyError in the future, you can use .reindex() as an alternative.

上面的警告，我认为表明我实现缺少日期的长格式表的方法是不正确的，对吗？如果是的话，我应该怎么做呢？此外，我将如何获得我想要作为最终表格的宽格式表格

编辑： 我访问了只包含日期的透视表

'01/01/2018'

和

'01/04/2018'

。下面是一段代码

df['Date'] =  pd.to_datetime(df['Date'], format='%m/%d/%Y')
df.set_index('Date', inplace = True)

date_range = pd.date_range('2018-01-01', '2018-01-04', freq='D')
df = df.loc(date_range)

df1 = df.pivot_table(index='Name', columns='Date', aggfunc='sum')

---

首先重新索引数据框以添加缺失的日期。然后旋转并合并列

idx = pd.MultiIndex.from_product([df.Name.unique(), pd.date_range(df.Date.min(), df.Date.max())])

df = df.set_index(['Name','Date']).reindex(idx).reset_index().rename(columns = {'level_0':'Name', 'level_1':'Date'})

df.Date = df.Date.dt.strftime('%m/%d/%Y')
new_df = df.pivot('Name', 'Date', ['Val1', 'Val2'])
new_df.columns = new_df.columns.map('.'.join)

    Val1.01/01/2018 Val1.01/02/2018 Val1.01/03/2018 Val1.01/04/2018 Val2.01/01/2018 Val2.01/02/2018 Val2.01/03/2018 Val2.01/04/2018
Name                                
A   1.0             NaN             NaN              5.0            2.0 NaN NaN 6.0
B   2.0             NaN             NaN              6.0            3.0 NaN NaN 7.0
C   3.0             NaN             NaN              7.0            4.0 NaN NaN 8.0
D   NaN             NaN             NaN              4.0            NaN NaN NaN 5.0

---

在第

new\u df=df.pivot（'Name'，'Date'，['Val1'，'Val2']）行，我收到一个错误，
异常：数据必须是一维的
您的数据集中是否有更多的列？否。以下是
df.columns
的结果，
索引（['Name'，'Date Val1'，'Val2']，dtype='object'）
无法重现错误，能否提供更大的示例df？将python版本从3.5.x更改为3.6.5后，错误得到解决。