如何将含动态列的Pandas DataFrame转置为指定宽表格式？

需求概述 #

给定如下长格式DataFrame：

import pandas as pd
data = {
    'ID':  [500, 500, 500, 500, 500, 400, 400, 400, 400, 300, 200],
    'item': ['A', 'B', 'C', 'D', 'E', 'A', 'B', 'C',  'E',   'D',    'E'],
    'Quantity': [1, 2, 3, 4, 5, 1, 2, 2, 1, 1, 5]
}
df = pd.DataFrame(data)

需要将其转换为宽表：以ID为唯一行，item作为动态列，对应位置填充Quantity值，无对应项补0。

可行实现方案 #

方案1：使用pivot_table（推荐） #

pivot_table是最稳妥的方式，自带缺失值填充，且能处理可能存在的重复ID-item组合（通过聚合函数合并数量）：

# 转换宽表，缺失值补0
wide_df = df.pivot_table(index='ID', columns='item', values='Quantity', fill_value=0)
# 可选：将ID从索引转为普通列
wide_df = wide_df.reset_index()
print(wide_df)

输出结果：

item   ID  A  B  C  D  E
0     200  0  0  0  0  5
1     300  0  0  0  1  0
2     400  1  2  2  0  1
3     500  1  2  3  4  5

方案2：使用pivot + fillna #

如果能确保每个ID-item组合唯一，可直接用pivot，之后手动填充缺失值为0：

wide_df = df.pivot(index='ID', columns='item', values='Quantity').fillna(0).astype(int)
wide_df = wide_df.reset_index()
print(wide_df)

注：astype(int)用于确保数量为整数类型，根据需求可选。

方案3：使用pd.crosstab #

通过交叉表函数也能实现，指定values和聚合函数即可：

wide_df = pd.crosstab(
    index=df['ID'],
    columns=df['item'],
    values=df['Quantity'],
    aggfunc='sum'
).fillna(0).astype(int).reset_index()
print(wide_df)

关键提示 #

• 若数据中存在重复的ID-item记录，pivot_table和crosstab会通过sum聚合数量，而pivot会报错，因此优先推荐pivot_table；
• reset_index()操作可根据需求选择，若需要ID作为普通列则执行，否则保留为索引即可。

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