Python 建筑预测数据框架

我在Pandas中有一个数据框，其中包含预测的销售数据，如下所示：

   | Date  | ProductID | Forecasted_Date | Sales |
---|-------|-----------|-----------------|-------|
 0 | 1_Jan | 1         | 2_Jan           | 10    |
 1 | 1_Jan | 2         | 3_Jan           | 3     |
 2 | 1_Jan | 1         | 2_Jan           | 7     |
 3 | ...   |           |                 |       |
 4 | 2_Jan | 1         | 3_Jan           | 7     |

在每个日期，对于每个ProductId，销售预测在1到20天之间（预测的_日期）

我想创建一个新的数据框，由“[Date，ProductID]”和以下列组成多索引：

| IND_Date | IND_ProductID | F1 | F2   | ... | F20 |
|----------|---------------|----|------|-----|-----|
| 1_Jan    | 1             | 10 | 3    |     |     |
| 1_Jan    | 2             | 7  | etc. |     |     |
| ...      |               |    |      |     |     |
| 2_Jan    | 1             | 7  |      |     |     |

其中，列表示预测的提前天数。（即，日期=1月1日，F1=1月2日的销售额）

在熊猫身上构造这个的最好方法是什么？

我想出来了

如果

df

是我的基本数据帧

以天为单位查找差异，假设日期和预测的_日期为Datetime格式：

转换为所需的“f_”格式：

创建数据透视表

完成了

df['difference'] = (df['Forecasted_Date'] - df['Date']) / pd.Timedelta(1,'D'))

df['forecast_day'] = 'f_' + df['difference'].astype('int').astype('str')

df_forecast = pd.pivot_table(data=df, values="Sales", index=["Date", "Product_ID"], columns="forecast_day", aggfunc="sum")