求助：如何将指定Pandas DataFrame从窄格式重塑为宽格式？

我有如下所示的Pandas DataFrame（df）：

请问能否将其重塑为如下所示的DataFrame（df1）：

我提供了一段示例代码，但无法正常运行，恳请各位提供解决方案或建议，非常感谢。示例代码如下：

data = {'Source': ['Rainfall', 'Inflow', 'SWCD', 'SWCD','Rainfall','Inflow', 'SP1', 'SP1'],
        'Target': ['SWCD', 'SWCD', 'Evp', 'Outflow','SP1','SP1', 'Evp', 'Overflow']}  
    
df = pd.DataFrame(data)
df1 = df.loc[:, ["Source", "Target"]]
df1 = df.values.flatten()
df.set_index('Target').T

解决方案 #

你要实现的是以唯一的Source为行、唯一的Target为列，标记每个Source与Target的对应关系，以下是可行的实现方法：

方法一：使用pivot_table #

import pandas as pd

data = {'Source': ['Rainfall', 'Inflow', 'SWCD', 'SWCD','Rainfall','Inflow', 'SP1', 'SP1'],
        'Target': ['SWCD', 'SWCD', 'Evp', 'Outflow','SP1','SP1', 'Evp', 'Overflow']}  
df = pd.DataFrame(data)

# 添加标记列，用于后续填充对应关系
df['Flag'] = 1

# 重塑表格：行是Source，列是Target，保留对应关系的标记，缺失值填空
df1 = df.pivot_table(index='Source', columns='Target', values='Flag', aggfunc='first').fillna('')

# 将Source从索引转为普通列，去除列轴名称，和目标结构对齐
df1 = df1.reset_index().rename_axis(None, axis=1)

print(df1)

输出结果与目标df1结构一致：

Source Evp Outflow Overflow SP1 SWCD
0  Rainfall        1    1
1    Inflow        1    1
2      SWCD   1       1
3       SP1   1              1

方法二：使用pd.crosstab（更简洁） #

利用交叉表自动统计对应关系，再将0替换为空：

import pandas as pd

data = {'Source': ['Rainfall', 'Inflow', 'SWCD', 'SWCD','Rainfall','Inflow', 'SP1', 'SP1'],
        'Target': ['SWCD', 'SWCD', 'Evp', 'Outflow','SP1','SP1', 'Evp', 'Overflow']}  
df = pd.DataFrame(data)

df1 = pd.crosstab(df['Source'], df['Target'])
# 把统计的0替换为空字符串，符合目标样式
df1 = df1.replace(0, '').reset_index().rename_axis(None, axis=1)

print(df1)

原代码问题说明 #

你的代码无法得到预期结果的原因：

• df1 = df.values.flatten()会把整个DataFrame压成一维数组，直接丢失了行列结构，完全偏离需求
• df.set_index('Target').T只是简单转置，但原表存在重复的Target值，转置后会出现重复列名，无法形成你需要的交叉对应结构

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