如何用Pandas实现按列拆分多行的透视表格式？

你不需要手动处理字典，直接用Pandas就能实现这个拆分效果，核心思路是保留原始数据的行结构，将每个direction对应的amount映射到对应列，非对应列留空，具体两种实现方法：

方法一：逐行判断映射（直观易读） #

import pandas as pd

data = [
    {"Account": "Cash", "amount": 10, "direction": "debit"},
    {"Account": "Cash", "amount": 10, "direction": "credit"}
]

df = pd.DataFrame(data)

# 生成credit和debit列，仅对应方向填充金额，其余为缺失值
result = df.assign(
    credit=df.apply(lambda row: row['amount'] if row['direction'] == 'credit' else pd.NA, axis=1),
    debit=df.apply(lambda row: row['amount'] if row['direction'] == 'debit' else pd.NA, axis=1)
).drop(columns=['amount', 'direction']).set_index('Account')

print(result)

输出结果：

credit  debit
Account                
Cash        <NA>     10
Cash          10  <NA>

方法二：独热编码+乘法（高效适合大数据） #

如果数据量较大，用get_dummies结合向量运算效率更高：

import pandas as pd

data = [
    {"Account": "Cash", "amount": 10, "direction": "debit"},
    {"Account": "Cash", "amount": 10, "direction": "credit"}
]

df = pd.DataFrame(data)

# 对direction生成独热编码，再与amount相乘得到对应列的值
direction_dummies = pd.get_dummies(df['direction'], dtype=float)
result = df[['Account']].join(direction_dummies.mul(df['amount'], axis=0)).set_index('Account')

print(result)

输出结果和方法一一致，缺失值显示为NaN（可根据需求用fillna('')替换为空字符串）。

为什么不用pivot？ #

pivot()会对相同index（这里是Account）的行做聚合，把多个行合并成一行，而你的需求是保留原始的行拆分结构，所以需要用上述方法来保留每行的独立性，只填充对应方向的金额。

内容的提问来源于stack exchange，提问作者poundifdef