如何使用Pandas重塑指定DataFrame？已尝试pd.pivot和pd.melt未果

你需要先通过melt将A、B这类列转换为行维度，再通过pivot将Item转换为列维度，两步结合就能得到目标格式：

步骤1：构造原数据集（示例） #

import pandas as pd

df = pd.DataFrame({
    'Date': [1, 1, 1],
    'Item': [1, 2, 3],
    'A': ['a1', 'a2', 'a3'],
    'B': ['b1', 'b2', 'b3']
})

步骤2：使用melt转换列维度 #

将A、B列拆分为Letter（存储A/B）和Value（存储对应值）两列，保留Date和Item作为标识列：

melted = df.melt(id_vars=['Date', 'Item'], var_name='Letter', value_name='Value')

此时输出的melted结构：

步骤3：使用pivot转换行维度 #

将Item列的值转为新的列，以Date和Letter作为索引，最后重置索引并重命名列：

result = melted.pivot(index=['Date', 'Letter'], columns='Item', values='Value').reset_index()
# 重命名列，匹配目标格式的"Item X"命名
result.columns = ['Date', 'Letter'] + [f'Item {col}' for col in result.columns[2:]]

最终得到的result就是你需要的格式：

补充说明 #

如果你的数据集包含多个不同的Date值，这个方法依然适用，因为pivot时已将Date纳入索引，会自动按日期分组转换。

内容的提问来源于stack exchange，提问作者kyara