如何用Pandas将DataFrame重构为指定的交叉表/透视表结构？

方法1：使用pivot（最直接，适合无重复值场景） #

你的数据中每个(Sequence, ID)组合都是唯一的，没有重复项，用pivot是最简洁的方式，完全匹配你只做格式重塑的需求：

import pandas as pd

csvFile = 'sequenceFile.csv'
df = pd.read_table(csvFile, sep=',', lineterminator='\n', header=0)

# 重塑数据结构
pivoted_df = df.pivot(index='ID', columns='Sequence', values='Hits')

执行后得到的结果完全符合预期：

Seq1  Seq2  Seq3
ID                  
K1     1     2     0
K2     0     1     2

方法2：使用pivot_table（兼容有重复值的场景） #

如果后续数据可能出现重复的(Sequence, ID)组合，需要对重复项做聚合（比如求和、取均值），可以用pivot_table。针对当前无重复的情况，指定聚合函数为first即可：

pivoted_df = df.pivot_table(index='ID', columns='Sequence', values='Hits', aggfunc='first')

方法3：使用crosstab（交叉统计类场景适用） #

crosstab默认用于频次统计，但通过values和aggfunc参数，也能实现同样的格式重塑：

pivoted_df = pd.crosstab(index=df['ID'], columns=df['Sequence'], values=df['Hits'], aggfunc='first')

三者差异说明 #

• pivot：专为无重复行列组合的格式重塑设计，语法最简洁，性能最优，是当前场景的首选。
• pivot_table：是pivot的功能超集，支持对重复组合做聚合操作，灵活性更强。
• crosstab：默认用于交叉频次统计，需要传入完整Series而非列名，适合统计类场景。

内容的提问来源于stack exchange，提问作者Morgan2538