如何基于多列特定值将Pandas DataFrame行值转换为列

可以使用Pandas的pivot方法直接实现需求，该方法能快速将指定列的取值转换为新列，并按分组填充对应的值。

完整代码示例 #

import pandas as pd

# 初始化原始DataFrame
df = pd.DataFrame({
    "Year":[2023, 2023, 2023, 2024, 2024, 2024],
    "Value":[0, 2, 3, 1, 5, 2],
    "Field":["A", "A", "B", "A", "B", "B"],
    "ID":["X", "X", "X", "X", "Z", "Y"],
    "Type":["class1","class2","class1","class1","class1","class2"]
})

# 执行透视操作，重塑DataFrame
result_df = df.pivot(
    index=["Year", "Field", "ID"],
    columns="Type",
    values="Value"
).reset_index()

# 移除列索引的名称，让输出格式更匹配需求
result_df.columns.name = None

# 查看结果
print(result_df)

代码说明 #

• pivot参数解析：
  • index=["Year", "Field", "ID"]：将这三列作为行的唯一标识，确保相同组合的行被合并为一行
  • columns="Type"：把Type列的不同取值（class1/class2）转换为新的列名
  • values="Value"：将Value列的数值填充到对应分组和Type列的交叉位置，没有对应值的位置自动填充NaN
• reset_index()：将原本作为索引的Year/Field/ID转换为普通列，恢复成常规的DataFrame结构
• columns.name = None：移除透视后默认保留的列索引名称（原Type），让输出完全匹配期望格式

输出结果 #

Year Field ID  class1  class2
0  2023     A  X     0.0     2.0
1  2023     B  X     3.0     NaN
2  2024     A  X     1.0     NaN
3  2024     B  Z     5.0     NaN
4  2024     B  Y     NaN     2.0

内容的提问来源于stack exchange，提问作者user026