Python DataFrame 格式转换：将长表数据转换为指定宽表结构

你可以用Pandas的pivot()方法快速完成长表到宽表的转换，以下是完整代码示例：

步骤1：构造原始长表数据 #

首先导入Pandas并创建对应的数据结构：

import pandas as pd

# 原始长表数据
raw_data = {
    '国家或地区': ['Afghanistan', 'India', 'Pakisthan', 'Iceland', 'USA',
                'Afghanistan', 'India', 'Pakisthan', 'Iceland', 'USA'],
    '年份': [2019, 2019, 2019, 2019, 2019, 2020, 2020, 2020, 2020, 2020],
    '贸易额（美元）': [10.00, 30.00, 13.00, 40.00, 51.00, 12.00, 45.00, 20.00, 34.00, 62.00]
}
df_long = pd.DataFrame(raw_data)

步骤2：转换为目标宽表 #

使用pivot()方法指定行、列和值的对应关系，再调整格式匹配需求：

# 核心转换逻辑：年份为行，国家为列，贸易额为填充值
df_wide = df_long.pivot(
    index='年份',
    columns='国家或地区',
    values='贸易额（美元）'
).reset_index()

# 清理列名层级，避免多级索引
df_wide.columns.name = None

# 将贸易额转为整数（匹配目标格式的整数显示）
df_wide = df_wide.astype({
    '年份': int,
    'Afghanistan': int,
    'India': int,
    'Pakisthan': int,
    'Iceland': int,
    'USA': int
})

转换后结果 #

执行代码后得到的宽表如下：

补充说明 #

• 如果你的原始数据存在同一国家+年份的重复记录，可以改用pivot_table()方法并指定聚合函数（比如aggfunc='sum'）来处理重复值。
• reset_index()是为了把年份从行索引转回普通列，和目标格式保持一致。

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