DataFrame成对重塑：将给定表格转换为指定格式的成对矩阵

可以通过pandas的透视表功能快速实现需求，以下是具体代码：

方法1：使用pivot + reindex #

import pandas as pd

df = pd.DataFrame({'col1':['a', 'a', 'a', 'b', 'b', 'c', 'c'], 
                   'col2':['a', 'b', 'c', 'b', 'c', 'a', 'c'], 
                   'count':[12, 2, 45, 4, 6, 17, 20]})

# 生成透视表，行对应col2，列对应col1，值为count
result = df.pivot(index='col2', columns='col1', values='count')
# 重新指定行和列的顺序为a、b、c，缺失值自动填充NaN
result = result.reindex(index=['a', 'b', 'c'], columns=['a', 'b', 'c'])

print(result)

运行后输出：

col1     a    b     c
col2                 
a     12.0  NaN  17.0
b      2.0  4.0   NaN
c     45.0  6.0  20.0

如果需要将缺失值填充为0，修改reindex行：

result = result.reindex(index=['a', 'b', 'c'], columns=['a', 'b', 'c'], fill_value=0)

方法2：使用pivot_table #

pivot_table适合处理存在重复组合的场景（本例无重复），也可直接指定填充值：

import pandas as pd
import numpy as np

df = pd.DataFrame({'col1':['a', 'a', 'a', 'b', 'b', 'c', 'c'], 
                   'col2':['a', 'b', 'c', 'b', 'c', 'a', 'c'], 
                   'count':[12, 2, 45, 4, 6, 17, 20]})

result = df.pivot_table(index='col2', columns='col1', values='count', fill_value=np.nan)
result = result.reindex(index=['a', 'b', 'c'], columns=['a', 'b', 'c'])

print(result)

内容的提问来源于stack exchange，提问作者corianne1234