Python Pandas：如何简洁可读地将DataFrame A转换为指定DataFrame B？

需要将如下的DataFrame A转换为DataFrame B，原方案通过groupby聚合加自定义函数拆分，步骤繁琐，寻求更简洁可读性强的实现方式：

DataFrame A：

DataFrame B：

最优实现方案 #

利用Pandas的pivot函数可以一步完成数据重塑，配合简单的字符串处理即可实现需求，无需自定义辅助函数：

import pandas as pd

# 假设原始数据存储在df变量中
# 1. 处理key列，移除#得到基础调名
df['base_key'] = df['key'].str.replace('#', '')

# 2. 使用pivot重塑数据，自动拆分Major/Minor到对应列
result = df.pivot(index='base_key', columns='accidental', values='streams')

# 3. 调整列名与索引顺序，匹配目标DataFrame B的格式
result = result.rename(columns={'Major': 'major_streams', 'Minor': 'minor_streams'})
# 按A/B/C/D/E/F/G的顺序排序索引
result = result.reindex(['A', 'B', 'C', 'D', 'E', 'F', 'G'])

# 4. 重置索引，将base_key转为普通列
result = result.reset_index().rename(columns={'base_key': 'key'})

代码说明 #

• key列处理：用str.replace移除所有#符号，将A#、C#等映射为对应的基础调名，实现同调名的Major/Minor数据分组。
• pivot函数：指定分组索引为处理后的基础调名，列维度为accidental（Major/Minor），值为streams，自动将同组数据拆分到对应列，缺失数据自动填充NaN。
• 格式调整：重命名列名匹配需求，按指定顺序排序索引，确保输出结构与DataFrame B完全一致。

内容的提问来源于stack exchange，提问作者Jay Nguyen