如何转换Pandas DataFrame：以国家编码为标识，将metricId转为列？

核心思路 #

直接通过筛选目标国家的时间范围 + 透视表转换，替代先提取时间再匹配的繁琐操作，一步生成符合要求的宽表。

假设原数据结构 #

假设你的原始metrics数据集结构如下（metricId存储指标类型，stringValue存国家编码，numericValue存指标数值）：

方法1：用Pandas处理（Python） #

import pandas as pd

# 读取原始数据（替换成你的数据读取方式）
# df = pd.read_csv("metrics_data.csv")

# 1. 提取印度（IN）对应的所有时间点
in_time_list = df[(df["metricId"] == "countryCode") & (df["stringValue"] == "IN")]["timeComputed"].tolist()

# 2. 筛选这些时间点的所有指标记录
filtered_df = df[df["timeComputed"].isin(in_time_list)]

# 3. 提取国家编码并合并到主数据
country_info = filtered_df[filtered_df["metricId"] == "countryCode"][["timeComputed", "stringValue"]].rename(columns={"stringValue": "countryCode"})
merged_df = pd.merge(filtered_df[filtered_df["metricId"] != "countryCode"], country_info, on="timeComputed")

# 4. 透视生成宽表
wide_table = merged_df.pivot_table(
    index=["countryCode", "timeComputed"],
    columns="metricId",
    values="numericValue",
    aggfunc="first"  # 同一维度下指标唯一，取第一个值即可
).reset_index()

# 输出结果
print(wide_table)

如果你的原始数据已经直接包含countryCode列（无需从metricId中提取），可以简化为：

filtered_df = df[df["countryCode"] == "IN"]
wide_table = filtered_df.pivot_table(
    index=["countryCode", "timeComputed"],
    columns="metricId",
    values="numericValue",
    aggfunc="first"
).reset_index()

方法2：用SQL处理（适用于Spark SQL/BigQuery等） #

SELECT *
FROM (
    SELECT 
        timeComputed,
        metricId,
        numericValue,
        -- 按时间分组提取国家编码
        MAX(CASE WHEN metricId = 'countryCode' THEN stringValue END) OVER (PARTITION BY timeComputed) AS countryCode
    FROM your_metrics_table
)
PIVOT (
    MAX(numericValue) FOR metricId IN (
        'reporting:METRICS_COMPUTATION_DURATION',
        'basic:COUNT_COLUMNS',
        'col_stats:COUNT_NULL:EndCustomerAccount'
    )
)
WHERE countryCode = 'IN'

内容的提问来源于stack exchange，提问作者user4550079