可以使用pandas中的groupby和pivot_table方法来解决这个问题。首先，将数据按照日期列进行分组并计算每个月中唯一项的数量。然后，使用pivot_table方法将唯一项的数量作为列进行展开。

代码示例：

import pandas as pd

# 创建示例数据
data = {'Date':['2020-01-01','2020-01-01','2020-02-01','2020-02-01','2020-03-01','2020-03-01'],
        'Item':['A','B','A','C','B','D']}

df = pd.DataFrame(data)

# 将日期列转换为月和年两列
df['Month'] = pd.to_datetime(df['Date']).dt.strftime('%m')
df['Year'] = pd.to_datetime(df['Date']).dt.year

# 按月和年进行分组并计算唯一项的数量
grouped = df.groupby(['Month', 'Year'])['Item'].nunique().reset_index()

# 将唯一项的数量作为列进行展开
pivot = grouped.pivot_table(index='Year', columns='Month', values='Item')

# 输出结果
print(pivot)

输出结果为：

Month  01  02  03
Year            
2020    2   2   2

其中，行为年份，列为月份，每个单元格为该月份中唯一项的数量。