如何透视Pandas DataFrame：将年份设为索引、指标设为列

你的核心需求是把统计指标为行、年份为列的DataFrame转换成年份为行索引、统计指标为列的结构，之前用df.pivot(columns='Indicator Code', index=['1960'])出错是因为指定的索引仅为1960年列，而非所有年份。以下是两种可靠的解决方法：

方法一：直接转置（适用于已清理的规整数据） #

如果你的DataFrame结构是：行是统计指标（包含Indicator Code列），列是1960-2022的年份，直接转置即可：

# 将Indicator Code设为行索引，避免转置后成为普通列
df.set_index('Indicator Code', inplace=True)
# 转置数据，此时行自动变为年份，列变为指标代码
df_final = df.transpose()
# 可选：重置索引并将年份列命名为Year（按需操作）
df_final = df_final.reset_index().rename(columns={'index': 'Year'})
# 若需要将年份设为行索引，执行此步
df_final.set_index('Year', inplace=True)

方法二：Melt+Pivot（适用于需要更灵活处理的场景） #

如果数据存在冗余列，或者需要先将宽格式转成长格式再透视，用melt配合pivot更稳妥：

# 将所有年份列拆解为「年份-数值」的长格式，保留Indicator Code作为指标标识
df_melted = df.melt(id_vars='Indicator Code', var_name='Year', value_name='Value')
# 透视：以Year为行索引，Indicator Code为列，填充对应数值
df_final = df_melted.pivot(index='Year', columns='Indicator Code', values='Value')

内容的提问来源于stack exchange，提问作者adamc