如何在Pandas中将同一列的两类数据转为独立列并去重？

核心思路 #

利用透视或分组展开的方式，将subject列的'Tot'和'voluntary'作为新列名，把对应数值映射到同一行，同时保留其他标识列，自然避免行重复。

方案一：使用pivot（无重复标识组合场景） #

如果你的数据中，每个标识组合（比如country、year、sector）仅对应'Tot'和'voluntary'各一行，直接用pivot最简洁：

# 替换为你的DataFrame名称和实际列名
pivoted_df = df.pivot(
    index=['country', 'year', 'sector'],  # 所有需要保留的非拆分列
    columns='subject',
    values='value'  # 需要关联到新列的数值列
).reset_index()

# 清理列名，移除多级索引
pivoted_df.columns = ['country', 'year', 'sector', 'Tot', 'voluntary']

方案二：使用groupby+unstack（含重复标识组合场景） #

如果存在同一标识组合对应多行相同subject的情况，先聚合再展开：

# 先按标识列+subject分组，用sum/mean等聚合重复值（根据需求选择）
grouped = df.groupby(['country', 'year', 'sector', 'subject'])['value'].sum()
# 展开subject为列
unstacked_df = grouped.unstack('subject').reset_index()
# 重命名列
unstacked_df.columns = ['country', 'year', 'sector', 'Tot', 'voluntary']

效果说明 #

处理后的数据会将原两行的'Tot'和'voluntary'数值合并到同一行的独立列中，完全消除行重复，最终结构示例：

内容的提问来源于stack exchange，提问作者user7502173