如何用Pandas将Year设为索引、Job Title设为字段重构DataFrame

问题场景 #

现有如下Pandas DataFrame：

Index         Job Title                      Year               Salary

0     POL - POL 47 HQ Police Chief           2022               243000

1     POL - POL 47 HQ Police Chief           2023               258000

2     CAT - CAT 30 County Attorney           2022               220000

3     CAT - CAT 30 County Attorney           2022               236000

4     CAT - CAT 30 County Attorney           2023               258000

5     DOT - DOT 50 Director                  2022               228000

6     DOT - DOT 50 Director                  2023               244000

7     POL - HQ Police Chief                  2019               239566

8     POL - HQ Police Chief                  2020               225000

9     POL - HQ Police Chief                  2021               236000

10    IGR - IGR 20 Director                  2022               232000

11    IGR - IGR 20 Director                  2023               232000

12    FIN - FIN 32 Director                  2022               220000

13    FIN - FIN 32 Director                  2023               236000

14    PRO - PRO 35 Procurement Director      2022               220000

需实现：

• 将唯一Year值设为索引
• 将唯一Job Title设为列名
• 用Salary值填充对应交叉单元格，无对应值时显示NaN或0

期望效果示例：

POL - HQ Police Chief         FIN - FIN 32 Director       PRO - PRO 35 Procurement Director

2019           239566                           NaN                              NaN

2020           225000                           NaN                              NaN

2021           236000                           NaN                              NaN

2022           NaN                              220000                           220000

2023           NaN                              236000                           NaN

此前尝试常规索引转置操作，结果存在大量重复冗余，无法满足需求。

解决方案 #

可以用Pandas的pivot_table或pivot方法实现，推荐优先用pivot_table，因为它能自动处理同一（年份+职位）组合下的重复薪资值。

方法1：使用pivot_table（适配有重复组合的场景） #

import pandas as pd

# 假设你的DataFrame名为df
pivoted_df = df.pivot_table(
    index='Year',
    columns='Job Title',
    values='Salary',
    aggfunc='first'  # 取该组合下第一条薪资，可替换为'mean'取平均、'sum'求和等
)

# 若需将NaN替换为0，执行以下代码
# pivoted_df = pivoted_df.fillna(0)

方法2：使用pivot（需确保无重复组合） #

如果确认每个（年份+职位）组合仅对应一条薪资数据，或先对数据去重后，可使用pivot：

# 先去除重复的（年份+职位）组合
df_unique = df.drop_duplicates(subset=['Year', 'Job Title'])
# 生成交叉表
pivoted_df = df_unique.pivot(index='Year', columns='Job Title', values='Salary')

关键说明 #

• pivot_table的aggfunc参数可按需调整：比如同一职位同一年有多条薪资时，用'mean'计算平均值，'sum'求和，'last'取最后一条记录。
• 最终生成的pivoted_df即为目标结构，年份作为索引，职位作为列，无数据的单元格默认显示NaN，可通过fillna(0)替换为0。

内容的提问来源于stack exchange，提问作者Wesley Sawyer