在Python中重塑Eurostat宽格式数据：时间列转行、na_item转列

你的需求是将行=na_item、列=季度数值的DataFrame转换为行=季度、列=各na_item数值的结构，之前用pd.melt只得到了长格式数据，需要结合后续操作实现目标，以下是两种可行方案：

方案一：melt + pivot（通用场景） #

适用于原始数据包含多个维度列（如geo、unit、s_adj）的情况，步骤如下：

1. 先将季度列转成长格式（每行对应一个na_item+时间+数值）：

# 提取所有非时间维度列作为id_vars，自动识别所有时间列作为value_vars
melted_data = pd.melt(
    data,
    id_vars=['na_item', 'geo', 'unit', 's_adj'],
    var_name='time',
    value_name='millions'
)

2. 将长格式数据转成目标宽格式：

# 以time为行索引，na_item为列，数值为值
result = melted_data.pivot(
    index='time',
    columns='na_item',
    values='millions'
).reset_index()

# 如果需要保留geo/unit/s_adj等固定维度列，可调整索引：
# result = melted_data.pivot(
#     index=['time', 'geo', 'unit', 's_adj'],
#     columns='na_item',
#     values='millions'
# ).reset_index()

方案二：直接转置（简化场景） #

由于你的筛选条件中geo、unit、s_adj都是单一固定值（SE、CP_MEUR、NSA），可以直接转置实现：

# 设置na_item为索引，移除无关维度列
temp_data = data.set_index('na_item').drop(['geo', 'unit', 's_adj'], axis=1)

# 转置后重置索引，重命名时间列
result = temp_data.T.reset_index().rename(columns={'index': 'time'})

结果说明 #

最终result的结构为：每行对应一个季度（如2019-Q1），列包含B1GQ、P3、P6、P7、D2的对应数值，完全符合你的需求。

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