使用Python Pandas处理含重复值的数据透视表问题

直接用pivot()方法就能快速解决这个需求，以下是完整实现代码：

import pandas as pd
import numpy as np

start_table = pd.DataFrame(
    {
        'ID' : [1,1,1,2,2,3],
        'LOCATION' : ['US', 'CANADA', 'MEXICO', 'US', 'MEXICO', 'US'],
        'STATUS' : ['IN PROGRESS', 'COMPLETE']*3
    }
)

# 核心透视转换
end_table = start_table.pivot(
    index='ID',
    columns='LOCATION',
    values='STATUS'
).reset_index().rename_axis(None, axis=1)

# 替换空值为None以匹配目标格式
end_table = end_table.replace({np.nan: None})

# 输出结果
print(end_table)

关键步骤说明 #

• pivot()：这是实现行转列的核心方法，参数分别指定分组依据（index='ID'）、新列的来源（columns='LOCATION'）、单元格填充值（values='STATUS'）
• reset_index()：把ID从索引列转换为普通数据列，符合目标表的结构
• rename_axis(None, axis=1)：移除列索引的名称（原名称为LOCATION），让输出格式和目标表完全一致
• 空值替换：pivot默认用NaN表示缺失值，通过replace()转成None，匹配目标表的空值格式

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