Python 透视数据帧以查看是否满足条件

我有以下数据框，表示某个用户是否在某个星期、某个年份出现：

    User    Year    Week
0   John    2020    1
1   John    2020    2
2   Steve   2020    1
3   Fred    2020    3
4   George  2020    2   
5   George  2020    3
    ...     ...     ...
200 John    2021    2
201 John    2021    4
202 Steve   2021    2
203 Fred    2021    2
204 George  2021    1   
205 George  2021    4

我想得到一个数据框，它根据

用户对数据集进行分组，每列表示他是否在某一年的某一周出现，每列的类型可以是布尔型，也可以是可能值为0或1的整数

它看起来像这样：

        2020_1  2020_2  2020_3  ... 2021_1  2021_2  2021_3  2021_4
John         1       1       0  ...      0       1       0       1
Steve        1       0       0  ...      0       1       0       0
Fred         0       0       1  ...      0       1       0       0
George       0       1       1  ...      1       0       0       1

在不遍历DataFrme的情况下，是否仍然可以执行此操作

谢谢。
创建一个新列并使用
pd。交叉表
：

pd.crosstab(df['User'],
            df[['Year','Week']].astype(str).apply('_'.join, axis=1)
           )

输出：

col_0   2020_1  2020_2  2020_3  2021_1  2021_2  2021_4
User                                                  
Fred         0       0       1       0       1       0
George       0       1       1       1       0       1
John         1       1       0       0       1       1
Steve        1       0       0       0       1       0

这里有一种方法可以做到这一点：

将熊猫作为pd导入
df=pd.DataFrame({
“用户”：[“约翰”、“约翰”、“史蒂夫”、“弗雷德”、“乔治”、“乔治”]，
“年份”：[202020202020020020]，
“周”：[1,2,1,3,2,3]}）
#为年\周添加帮助器列
df[“年/周”]=df[“年”].map（str）+“周”+df[“周”].map（str）
#按用户和年份/周分组，然后取消堆栈并用0填充NaN
df.groupby（[“用户”，“年/周]）.size（）.unstack（填充值=0）

结果：

| User   |   2020_1 |   2020_2 |   2020_3 |
|:-------|---------:|---------:|---------:|
| Fred   |        0 |        0 |        1 |
| George |        0 |        1 |        1 |
| John   |        1 |        1 |        0 |
| Steve  |        1 |        0 |        0 |

是的，但我仍然需要根据当年是否存在使用情况，用相应的值填充它，weekI没有得到它，你试过我的代码吗？你不喜欢它的什么地方？对不起，也许我没有说清楚：即使“年·周”中没有任何用户，我也希望该专栏存在。在我的例子中，
2021\u 3
中没有人，但我希望该专栏是there@Heathcliff在
交叉表之后探索
reindex
。使用
unstack（fill_value=0）
将保持数据类型为
int
。嘿！那是“全港毒品”。每天学习一些新的东西。这三种方法的解决方案都是惊人的。我学到了一些新东西。答复中的所有3位SO成员发送Thx+1对所有3对问题
pd.crosstab(df.User, df['Year'].astype(str)+"_"+df['Week'].astype(str))