我真的不明白一些数字，如15，150，201…来自，但您可以尝试使用数据透视表

import pandas as pd
import numpy as np

dict_={'sku':[1,2,1],'store_code':['A3','B2','C1'],'sales':[123,456,98]}

df= pd.DataFrame(dict_)

df['code']=df.store_code.str[0]
df_pvt=pd.pivot_table(df,values='sales',index='sku',columns='code', aggfunc=np.sum)

首先，我建议你把数据分类。如果您只对每个SKU的每个连锁店的汇总数据感兴趣，则可以按这两列进行分组（可以使用商店名称系列的.str并通过切片获取第一个字符来计算连锁店）。分组后，您可以通过聚合（在本例中使用sum()聚合）获得一个系列。
要恢复SKU和商店链列，您可以reset_index()。
最后一步是pivot()你的表。

import pandas as pd

df = pd.DataFrame({"SKU": [1,2,1], "Store code": ["A432", "B123", "C234"], "sales": [123, 456, 98]})  # or your actual df

output = (
    df.groupby(["SKU", "Store chain"])["sales"].sum()
    .reset_index()
    .pivot(index="SKU", columns="Store chain", values="sales")
    .fillna(0)
)
output["sales"] = output.sum(axis=0)

groupby和pivot步骤可以使用pivot_table()方法组合在一起，如下所示：

# imports and df creation omitted

output = (
    df.pivot_table(index="SKU", columns="Store chain", values="sales", aggfunc=np.sum)
    .fillna(0)
)
output["sales"] = output.sum(axis=0)