如何优雅重组Pandas DataFrame：将证券ID转为列、日期设为索引

你要的这种结构转换完全不需要写for循环，用Pandas的pivot或pivot_table就能优雅解决，这也是处理这类数据结构转换的标准做法：

核心代码 #

假设你的DataFrame里，存储每个证券对应日期数据点的列是VALUE（替换成你实际的列名即可）：

import pandas as pd

# 假设你的原始数据DataFrame名为df
wide_df = df.pivot(index='DATE', columns='ID', values='VALUE')

如果你的数据里存在同一个证券ID在同一日期有多条记录的情况（pivot会报错），就用pivot_table指定聚合逻辑，比如取第一条记录：

wide_df = df.pivot_table(index='DATE', columns='ID', values='VALUE', aggfunc='first')

适配你的示例数据 #

看你给出的示例，要是想把SOURCE或者ID_DATE作为展示的数据点，直接替换values参数就行。比如要转SOURCE列：

wide_df = df.pivot(index='DATE', columns='ID', values='SOURCE')

转换完成后，wide_df会以DATE为索引，每一列对应一个证券ID，每个单元格就是该证券在对应日期的对应数据。

额外提示 #

• pivot速度更快，但要求DATE+ID的组合没有重复；
• pivot_table兼容性更强，能处理重复的索引-列组合，你可以根据需求选择aggfunc（比如'mean'、'sum'都可以）；
• 要是不想让DATE当索引，加一句wide_df = wide_df.reset_index()就能把它变回普通列。

内容的提问来源于stack exchange，提问作者helpfulhelp1000