Python DataFrame行列转换：将城市转列、投诉类型转行，求替代方法

下面是几种能实现你需求的替代方案，核心都是将Complaint Type设为行、City设为列，基于Unique Key完成聚合统计：

1. 使用pivot方法 #

如果你的(Complaint Type, City)组合没有重复值（即每个投诉类型在单个城市下仅对应一条记录），可以直接用pivot，语法更简洁：

df_new = df.pivot(index='Complaint Type', columns='City', values='Unique Key')

要是存在重复组合，pivot无法直接指定聚合逻辑，这时候还是推荐用你原有的pivot_table或下面的方案。

2. 使用pd.crosstab #

crosstab是Pandas专门用于生成交叉表的工具，默认会对分组后的记录计数。如果你需要统计各投诉类型在不同城市的投诉数量（用Unique Key的数量体现），可以这么写：

import pandas as pd
df_new = pd.crosstab(index=df['Complaint Type'], columns=df['City'], values=df['Unique Key'], aggfunc='count')

如果不需要计数，而是要保留Unique Key的其他聚合结果（比如取每组第一个值），把aggfunc换成对应函数即可，比如aggfunc='first'。

3. 使用groupby + unstack #

先按行、列维度分组完成聚合，再用unstack把City从行索引展开为列：

# 以计数为例，可替换为你需要的聚合逻辑
df_new = df.groupby(['Complaint Type', 'City'])['Unique Key'].count().unstack('City')

如果要收集每组下所有的Unique Key，可以用agg(list)：

df_new = df.groupby(['Complaint Type', 'City'])['Unique Key'].agg(list).unstack('City')

内容的提问来源于stack exchange，提问作者MEGHA