Pandas处理：类别与子项标签同列的Excel数据逆透视

可以通过Pandas内置方法的组合来实现这个需求，核心思路是先标记分层标签、拆分数据后透视，再合并汇总行，以下是具体实现步骤：

1. 模拟输入数据 #

先构造一个和你描述结构一致的示例DataFrame：

import pandas as pd

# 模拟从Excel导入的原始数据
raw_data = {
    'Row Labels': ['Collection A', 'Data1', 'Data2', 'Collection B', 'Data1', 'Total'],
    'Sum': [None, 10, 20, None, 15, 45]
}
df = pd.DataFrame(raw_data)

2. 标记并填充分层标签 #

用ffill()向前填充Collection标签，同时标记Total汇总行：

# 标记Collection分组标签，空值（Sum为None且非Total行）的Row Labels作为分组依据
df['Collection'] = df['Row Labels'].where(df['Sum'].isna() & df['Row Labels'] != 'Total').ffill()
# 标记Total行
df['is_total'] = df['Row Labels'] == 'Total'

3. 拆分数据并透视子项 #

将子项数据（Data1、Data2）透视成列，缺失值填充0：

# 提取非Total的Data子项数据
sub_items = df[~df['is_total'] & df['Row Labels'].str.startswith('Data')]
# 透视转换：Collection为行，Data1/Data2为列
pivot_result = sub_items.pivot(
    index='Collection',
    columns='Row Labels',
    values='Sum'
).fillna(0).reset_index()

4. 处理Total汇总行并合并 #

构造符合结构的Total行，和透视结果合并：

# 提取Total行的Sum值，构造对应结构
total_row = pd.DataFrame({
    'Collection': ['Total'],
    'Data1': [0],
    'Data2': [0],
    'Sum': [df.loc[df['is_total'], 'Sum'].values[0]]
})
# 合并最终结果
final_df = pd.concat([pivot_result, total_row], ignore_index=True)

替代实现方式（groupby+unstack） #

也可以用groupby结合unstack完成透视，逻辑更紧凑：

# 标记分组标签
df['group'] = df['Row Labels'].where(df['Sum'].isna() & df['Row Labels'] != 'Total').ffill()
# 分组透视子项数据
grouped_result = df[df['Row Labels'].str.startswith('Data')]\
    .groupby(['group', 'Row Labels'])['Sum'].first()\
    .unstack(fill_value=0).reset_index().rename(columns={'group':'Collection'})
# 构造并合并Total行
total_row = pd.DataFrame([{
    'Collection':'Total',
    'Data1':0,
    'Data2':0,
    'Sum':df.loc[df['Row Labels']=='Total', 'Sum'].values[0]
}])
final_df = pd.concat([grouped_result, total_row], ignore_index=True)

以上方案全部使用Pandas内置方法（ffill()、pivot()、groupby()、unstack()、concat()等），无需额外依赖，逻辑清晰且易于调整。

内容的提问来源于stack exchange，提问作者user3552225