如何使用Pandas实现指定结构的DataFrame透视转换？

步骤1：预处理数据（若需衍生字段） #

如果目标结构里的value是通过credit和debit计算得到的（比如value = credit - debit），先在原始DataFrame中新增该字段：

import pandas as pd

# 假设原始DataFrame名为df
df['value'] = df['credit'] - df['debit']

步骤2：执行透视聚合 #

使用pivot_table完成透视，指定行索引、列字段、需要聚合的数值字段和聚合方式：

# 根据你的实际行索引字段替换'account'，比如科目编码、客户ID等
pivoted_df = df.pivot_table(
    index='account',
    columns='period',
    values=['value', 'transaction', 'balance'],
    aggfunc='sum'  # 聚合方式按需调整，比如'mean'、'count'等
)

步骤3：合并多层列索引 #

透视后出现的多层列（上层是字段名、下层是季度Q1/Q2等），通过map和join合并成单一列名：

# 用下划线连接两层列名，生成如'value_Q1'、'transaction_Q2'的格式
pivoted_df.columns = pivoted_df.columns.map('_'.join)

步骤4：重置索引（可选） #

如果需要把行索引（比如account）转为普通列，执行重置索引：

pivoted_df = pivoted_df.reset_index()

示例效果 #

原始数据示例：

处理后得到的目标宽格式：

内容的提问来源于stack exchange，提问作者hhk