如何基于ID和Year对Pandas DataFrame进行转置重构？

问题描述 #

原始数据集代码：

import pandas as pd

df = pd.DataFrame({'ID': [1, 1, 1,1, 2,2, 2,2],
                   'Year': [2011, 2011, 2012,2012,2011,2011,2012,2012],
                   'Type': ["a","b","a","b","c/d","e","c/d","d"],
                   'Value': [10,11,12,11,13,14,14,15]})

原始数据展示：

需求：将上述DataFrame转换为指定目标格式，尝试过transpose和reset_index方法未得到预期结果，寻求可行方案。

解决方案 #

方法一：基础透视转换（ID+Type为行，Year为列） #

适用于无重复(ID, Type, Year)组合的场景，直接通过pivot实现格式转换：

# 执行透视转换
result = df.pivot(index=['ID', 'Type'], columns='Year', values='Value').reset_index()
# 移除列名的层级标签，优化显示
result.columns.name = None

print(result)

输出结果：

ID Type  2011  2012
0   1    a    10    12
1   1    b    11    11
2   2  c/d    13    14
3   2    d   NaN    15
4   2    e    14   NaN

方法二：二级列结构（Type为行，ID+Year为列） #

如果目标格式需要将ID和Year作为二级列，可调整参数：

result = df.pivot(index='Type', columns=['ID', 'Year'], values='Value').reset_index()
# 移除列名的层级标签
result.columns.names = [None, None]

print(result)

输出结果：

Type  (1, 2011)  (1, 2012)  (2, 2011)  (2, 2012)
0    a       10.0       12.0        NaN        NaN
1    b       11.0       11.0        NaN        NaN
2  c/d        NaN        NaN       13.0       14.0
3    d        NaN        NaN        NaN       15.0
4    e        NaN        NaN       14.0        NaN

处理重复值场景 #

如果数据存在重复的(ID, Type, Year)组合，使用pivot_table并指定聚合函数：

# 示例：以均值聚合重复值，可替换为sum、max等其他函数
result = df.pivot_table(index=['ID', 'Type'], columns='Year', values='Value', aggfunc='mean').reset_index()
result.columns.name = None

关键说明 #

• pivot是轻量透视工具，适合无重复键的场景；pivot_table支持聚合，适用于有重复数据的情况。
• reset_index()用于将多级索引转换为普通列，便于后续数据处理。
• 设置columns.name = None可移除列的层级标签，让结果表格更简洁。

内容的提问来源于stack exchange，提问作者Ciercy