将DataFrame多值透视到列：解决透视后NaN及行数异常问题

你的问题出在pivot的索引参数没包含time，导致分组逻辑错误，才会出现大量NaN且行数和原数据一致。

修正后的代码 #

首先，index需要包含所有用来区分唯一行的字段：index、time、type，这样才能正确按行分组，把test的唯一值转成列：

# 执行pivot并重置索引，去掉列名的层级
df_pvt = df.pivot(
    index=['index', 'time', 'type'],
    columns='test',
    values='value'
).reset_index().rename_axis(columns=None)

如果你的数据中存在(index, time, type, test)的重复组合（即同一分组下有多个value），pivot会报错，这时候改用pivot_table并指定聚合函数即可：

df_pvt = df.pivot_table(
    index=['index', 'time', 'type'],
    columns='test',
    values='value',
    aggfunc='mean'  # 可以根据需求换成sum、first等
).reset_index().rename_axis(columns=None)

为什么原代码不行？ #

你之前只把index和type作为索引，但time也是区分不同行的关键字段——同一个index+type下有多个time值，pivot会把每个time和test的组合都单独生成一行，自然行数和原数据一样，且如果某个time+test的组合不存在，就会出现NaN。

示例验证 #

用你给出的测试数据执行修正后的代码，会得到如下结果（和你的期望一致，其中你期望里test2的0.01行值应为0.113，是原数据的对应值）：

内容的提问来源于stack exchange，提问作者Mark R