Python中如何将DataFrame从行级结构转换为列级结构

核心思路 #

通过Pandas的pivot或pivot_table方法，将以Type为分组的行数据转换为列，实现长表到宽表的转换。

代码实现 #

1. 构造示例数据（模拟你的原始DataFrame）

import pandas as pd

df = pd.DataFrame({
    'name': ['AAA', 'AAA', 'AAA'],
    'Type': [1, 2, 3],
    'value': ['Increase', 'Decrease', 'Neutral']
})

2. 执行长转宽操作

# 使用pivot转换，指定索引、列、值字段
wide_df = df.pivot(index='name', columns='Type', values='value')

# 重命名列名，将数字Type改为Type1/Type2/Type3格式
wide_df.columns = [f'Type{col}' for col in wide_df.columns]

# 重置索引，让name从索引变回普通列（可选，按需调整）
wide_df = wide_df.reset_index()

3. 查看结果
   运行后wide_df的结构即为你需要的格式：

name     Type1     Type2    Type3
0  AAA  Increase  Decrease  Neutral

特殊情况处理 #

如果你的原始数据中存在重复的(name, Type)组合（即同一name对应同一Type有多个value），建议使用pivot_table并指定聚合函数，避免报错：

wide_df = df.pivot_table(
    index='name',
    columns='Type',
    values='value',
    aggfunc='first'  # 取第一个出现的值，也可根据需求用sum/mean等
)
wide_df.columns = [f'Type{col}' for col in wide_df.columns]
wide_df = wide_df.reset_index()

内容的提问来源于stack exchange，提问作者SM079