基于Doc. #列转置Pandas数据集未果，求实现目标横向格式方案

核心方法：使用pivot实现数据重塑 #

直接用transpose()或单纯groupby()无法实现目标，需要通过**透视（pivot）**将长格式数据转为宽格式，同时保留New/Old值的对应关系。

步骤示例（基于pandas）

1. 导入依赖

import pandas as pd

2. 模拟匹配你的原始数据结构

df = pd.DataFrame({
    "Doc. #": [123, 123, 456, 456],
    "字段名称": ["客户编码", "客户名称", "客户编码", "客户名称"],
    "New": ["A001", "张三", "B001", "李四"],
    "Old": ["A000", "张四", "B000", "李五"]
})

3. 执行透视与列名整理

# 按Doc.#分组，以字段名称为列，New/Old为值进行透视
pivoted = df.pivot(index="Doc. #", columns="字段名称", values=["New", "Old"])
# 重命名列，格式改为「字段名称_New」「字段名称_Old」
pivoted.columns = [f"{field}_{val_type}" for val_type, field in pivoted.columns]
# 重置索引，让Doc.#回到普通列
result = pivoted.reset_index()

执行后得到的result就是你需要的横向结构：每个Doc. #对应一行，每个字段分别对应字段名称_New和字段名称_Old两列。

关键说明

• transpose()仅做行列互换，无法按业务维度（Doc.#、字段）重组数据，因此不适用。
• groupby()本身是分组聚合工具，需要结合透视/重塑操作才能实现宽表转换，单独使用无法达到目标。

内容的提问来源于stack exchange，提问作者j1102