如何用Pandas调整透视表参数实现指定Dataframe格式转换

现有如下结构的数据集：

希望将其转换为以下格式的表格，要求列按「问题N、答案N」的顺序排列：

目前通过循环逐个处理用户子DataFrame再合并的方式实现，代码如下：

df_merged = pd.DataFrame()
for item in users:
    sub_df = df.loc[df['username'] == item]
    sub_df = sub_df.pivot(index='username',
        columns='slot',
        values=['questionsummary', 'responsesummary'])
    df_merged = pd.concat([df_merged, sub_df])

但得到的列顺序为「用户、问题1、问题2、答案1、答案2」，不符合需求，需调整列排列顺序。

方法1：基于现有代码调整列顺序 #

透视后会生成多层列索引，我们可以重新排列列的顺序，让「问题N」与「答案N」成对出现，再合并列索引为单层：

df_merged = pd.DataFrame()
for item in users:
    sub_df = df.loc[df['username'] == item]
    sub_df = sub_df.pivot(index='username',
        columns='slot',
        values=['questionsummary', 'responsesummary'])
    # 按槽位分组，每组内先问题后答案
    new_cols = []
    for slot in sub_df.columns.get_level_values(1).unique():
        new_cols.append(('questionsummary', slot))
        new_cols.append(('responsesummary', slot))
    sub_df = sub_df[new_cols]
    # 将多层列索引转为单层，命名为"问题N""答案N"
    sub_df.columns = [f'问题{slot}' if col == 'questionsummary' else f'答案{slot}' 
                      for col, slot in sub_df.columns]
    df_merged = pd.concat([df_merged, sub_df])

方法2：直接透视后批量调整（更高效） #

无需循环处理单个用户，直接对整个DataFrame透视后一次性调整列顺序：

# 对全量数据执行透视
pivoted_df = df.pivot(index='用户', columns='槽位', values=['问题', '答案'])
# 生成目标列顺序：遍历槽位，每组先问题后答案
target_cols = []
for slot in pivoted_df.columns.get_level_values(1).unique():
    target_cols.append(('问题', slot))
    target_cols.append(('答案', slot))
# 重新排序列
pivoted_df = pivoted_df[target_cols]
# 合并多层列索引为单层
pivoted_df.columns = [f'{col}{slot}' for col, slot in pivoted_df.columns]
# 可选：将"用户"从索引转为普通列
pivoted_df = pivoted_df.reset_index()

以上两种方法都能得到「用户、问题1、答案1、问题2、答案2...」的列顺序，满足需求。

内容的提问来源于stack exchange，提问作者Jerry Waa