如何用Python Pandas转置带日期范围值的DataFrame？

原始DataFrame格式 #

year_month      Type    ID      Values1  Values2    Values3    ...
2022-01           A      1          1         0        0
2022-02           A      1          3         4        6
2022-03           A      1          5         9        10
2022-01           B      2          5         9        10
2022-02           B      2          4         2        1
....             ...    ...        ...

目标转置格式 #

ID  Type  Values   2022-01  2022-02  2022-03  ...
    1    A    Values1    1       3         5
    1    A    Values2    0       4         9
    1    A    Values3    0       6         10
    2    B    Values1    5       4         0 
    2    B    Values2    9       2         0
    2    B    Values3    10      1         0
   ...

解决方案 #

通过pandas的melt和pivot组合操作即可实现，步骤如下：

• 将宽表转长表：用melt把Values1、Values2等数值列合并为Values列，对应数值转入新的value列，保留year_month、Type、ID作为标识列

import pandas as pd

# 假设原始数据框名为df
melted_df = df.melt(id_vars=['year_month', 'Type', 'ID'], 
                    var_name='Values', 
                    value_name='value')

• 将长表转目标宽表：以ID、Type、Values为索引，year_month作为列名，value为填充值，最后重置索引得到目标结构

result_df = melted_df.pivot(index=['ID', 'Type', 'Values'], 
                            columns='year_month', 
                            values='value').reset_index()

• 填充缺失值：对无对应数据的月份（比如示例中ID=2的2022-03数据），用fillna(0)补0

result_df = result_df.fillna(0)

• 调整列顺序（可选）：确保列顺序和目标格式一致

# 提取并排序月份列
month_cols = sorted([col for col in result_df.columns if col not in ['ID', 'Type', 'Values']])
result_df = result_df[['ID', 'Type', 'Values'] + month_cols]

内容的提问来源于stack exchange，提问作者Simon GIS