Python中DataFrame按site分组并将year转为列名的实现问题

你的需求本质是将长格式DataFrame转换为宽格式，同时保留缺失年份的空值。原代码的问题在于分组时丢失了year与data的对应关系，导致无法正确映射年份列。以下是几种简洁的实现方式：

方法1：使用pivot（推荐，适用于无重复site+year组合的场景） #

pivot是专门处理行列转换的函数，会自动匹配year作为列名，缺失的组合自动填充空值：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'site': ['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c'],
    'year': [2010, 2011, 2012, 2013, 2010, 2012, 2013, 2010, 2011, 2012],
    'data': [10, 12, 7, 45, 21, 45, 54, 17, 32, 24]
})

# 转换为目标格式
result = df.pivot(index='site', columns='year', values='data').reset_index()
result.columns.name = None  # 移除列索引的名称（可选，让格式更贴近目标）
print(result)

执行后输出：

方法2：使用groupby+unstack #

如果需要更灵活的分组逻辑，可以先按site和year分组，再将year拆分为列：

result = df.groupby(['site', 'year'])['data'].first().unstack(fill_value=None)
result = result.reset_index()
result.columns.name = None

这里fill_value可以指定缺失值的填充内容（比如None或''），根据需求调整即可。

方法3：使用pivot_table（适用于存在重复site+year组合的场景） #

如果你的数据中同一个site+year有多个data值，pivot_table可以通过aggfunc指定聚合方式（如求和、取均值）：

result = pd.pivot_table(
    df, 
    index='site', 
    columns='year', 
    values='data', 
    aggfunc='first'  # 若有重复值，可替换为'sum'/'mean'等
).reset_index()
result.columns.name = None

原代码问题说明 #

你之前的代码df.groupby('site')['data'].apply(lambda df: df.reset_index(drop=True)).unstack()只保留了每组data的顺序，丢失了year的对应信息，因此unstack后的列是0、1、2等序号，而非实际年份，自然无法处理缺失数据。

内容的提问来源于stack exchange，提问作者hanrahs