如何将多关联学生成绩记录透视转换为单条记录？求快捷方法

当然有更简洁高效的办法啦！完全不用写冗长的循环，Pandas自带的透视表相关函数就能轻松搞定你的需求，还能自动处理那些学生没选修课程的缺失数据。下面给你两种常用的方案，根据你的数据情况选就行：

1. 用pivot函数（适合无重复记录的场景） #

如果你的数据里每个学生+科目只有一条记录（就像你给出的示例数据这样），pivot是最直接的选择：

首先先把你的示例数据再贴一下方便参考：

import pandas as pd

df = pd.DataFrame([('Adel', "Subj1", 3.50 ,2.57), 
                   ('Adel', "Subj2", 2.75 ,3.6 ), 
                   ('Alexa',"Subj1", 1.75 ,3.25), 
                   ('Alexa',"Subj3", 3.15 ,2.25) ], 
                  columns=('Name', "Subj","Med", "Ach" ))

然后执行透视操作：

# 按Name分组，Subj作为列，Med和Ach作为值
pivoted_df = df.pivot(index='Name', columns='Subj', values=['Med', 'Ach'])

这时候你会得到一个带分层列的DataFrame，外层是Med、Ach，内层是科目名称。如果觉得分层列看着麻烦，可以把列名扁平化，让它更直观：

# 合并分层列名
pivoted_df.columns = ['_'.join(col) for col in pivoted_df.columns]
# 把Name从索引变回普通列
pivoted_df.reset_index(inplace=True)

最终的结果会是这样的（缺失的科目自动填充NaN）：

2. 用pivot_table函数（适合有重复记录的场景） #

如果你的数据里可能存在同一个学生+科目有多条记录（比如同一个科目多次考试的成绩），pivot_table会更灵活，它支持聚合操作（比如取均值、求和、取第一条等），同样会自动处理缺失值：

# 用first聚合，保留每个学生+科目的第一条记录；如果有重复值可以换成'mean'取平均
pivot_table_df = df.pivot_table(index='Name', columns='Subj', values=['Med', 'Ach'], aggfunc='first')

# 同样可以扁平化列名
pivot_table_df.columns = ['_'.join(col) for col in pivot_table_df.columns]
pivot_table_df.reset_index(inplace=True)

为什么这两种方法比循环好？ #

Pandas的这些内置函数都是矢量化操作，比手动写循环快得多，尤其是数据量大的时候差距会非常明显。而且它们会自动处理缺失数据，不用你自己写判断逻辑去填充空值，代码也更简洁易读。

内容的提问来源于stack exchange，提问作者SAM.Am