如何重新组织Pandas DataFrame实现列名与列值互换？

原始DataFrame： #

目标DataFrame： #

这里需要把**电影名（原列名）和选择标签（原列值）**的对应关系反转，以下两种方法可以实现：

方法一：用melt+pivot分步处理（清晰易懂） #

先构造原始数据：

import pandas as pd

df = pd.DataFrame({
    'Movie 1': ['1st choice', '2nd choice'],
    'Movie 2': ['2nd choice', '1st choice']
})

执行重塑操作：

# 给每行添加唯一标识，避免pivot时合并数据
df['row_id'] = df.index

# 把宽表转成长格式，拆分电影名和对应的选择标签
melted_df = df.melt(id_vars='row_id', var_name='movie_name', value_name='choice_label')

# 转成目标宽格式，以选择标签为列名，电影名为值
target_df = melted_df.pivot(
    index='row_id',
    columns='choice_label',
    values='movie_name'
).reset_index(drop=True)

# 调整列名的大小写，匹配目标格式
target_df.columns = target_df.columns.str.title()

步骤解释：

• 加row_id是为了区分不同行的选择，否则pivot会把所有行的结果合并成一行
• melt把原表的每一列（电影名）拆成独立行，让每个电影名和它对应的选择标签一一对应
• pivot把选择标签转成列，每个row_id对应的电影名填充到对应列下
• 最后重置索引去掉row_id，并把列名改成首字母大写的格式

方法二：用apply一行搞定（简洁高效） #

如果追求代码简洁，可以直接对每行做映射转换：

import pandas as pd

df = pd.DataFrame({
    'Movie 1': ['1st choice', '2nd choice'],
    'Movie 2': ['2nd choice', '1st choice']
})

# 对每行构建"选择标签: 电影名"的字典，再转成DataFrame
target_df = df.apply(
    lambda row: {label.title(): movie for movie, label in row.items()},
    axis=1
).apply(pd.Series)

这个方法的逻辑是：遍历每行的列名（电影名）和对应值（选择标签），反转映射关系后生成字典，再把这些字典转换成DataFrame，自动对齐列名。

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