如何解析合并列至DataFrame？实现行内国名分组转列

假设你的原始DataFrame是类似这样的常见结构（无配图情况下的典型场景）：

import pandas as pd

# 模拟导入后的原始数据
df = pd.DataFrame({
    '指标': ['GDP', 'GDP', '人口', '人口'],
    '国家': ['中国', '美国', '中国', '美国'],
    '数值': [18, 25, 14, 3.3]
})

用df.pivot()没得到预期结果，大概率是存在重复的行/列组合，或是参数设置不匹配。试试这两种更可靠的方法：

方法1：使用pivot_table() #

自动处理重复值，适配绝大多数分组转列的场景：

# 指定行索引、列名、取值字段，aggfunc根据数据情况选聚合方式
df_target = df.pivot_table(
    index='指标', 
    columns='国家', 
    values='数值', 
    aggfunc='first'  # 无重复数据用first，有重复可换sum/mean
)

方法2：使用set_index() + unstack() #

更灵活的索引操作方式，适合需要先整理索引的情况：

# 设置多级索引后，将国家维度转成列
df_target = df.set_index(['指标', '国家'])['数值'].unstack(level='国家')
# 若存在空值，按需填充
df_target = df_target.fillna(0)  # 或fillna('')填充为空字符串

处理后得到的目标DataFrame格式如下：

国家    中国   美国
指标            
GDP   18.0  25.0
人口   14.0   3.3

如果你的原始数据结构和假设不同（比如国名原本在同一行的多个字段中），可以补充具体数据样例，以上方法基本覆盖了行内分组转列的核心需求。

内容的提问来源于stack exchange，提问作者Luan Nguyen Thanh