如何高效转换Polars DataFrame为宽表并还原至原布局？

1. 长表转宽表（最优解：pivot方法） #

不用纠结group_by系列操作，Polars内置的pivot函数是专门处理长转宽的最优方案，一步到位且效率更高：

wide_df = df.pivot(
    index="R",
    columns="C",
    values="VAL"
)
print(wide_df)

执行后直接得到目标宽表：

┌─────┬─────┬─────┐
│ R   ┆ c1  ┆ c2  │
│ --- ┆ --- ┆ --- │
│ str ┆ i64 ┆ i64 │
╞═════╪═════╪═════╡
│ r1  ┆ 1   ┆ 2   │
│ r2  ┆ 3   ┆ 4   │
│ r3  ┆ 5   ┆ 6   │
└─────┴─────┴─────┘

参数说明：

• index：指定保留为行标识的列（这里是R）
• columns：指定要转换为表头的列（这里是C）
• values：指定填充单元格的数值列（这里是VAL）

2. 宽表还原为长表（melt方法） #

用melt函数可以快速把宽表转回原始长表结构：

long_df = wide_df.melt(
    id_vars="R",
    value_vars=["c1", "c2"],
    variable_name="C",
    value_name="VAL"
)
print(long_df)

执行后得到原始长表：

┌─────┬─────┬─────┐
│ R   ┆ C   ┆ VAL │
│ --- ┆ --- ┆ --- │
│ str ┆ str ┆ i64 │
╞═════╪═════╪═════╡
│ r1  ┆ c1  ┆ 1   │
│ r1  ┆ c2  ┆ 2   │
│ r2  ┆ c1  ┆ 3   │
│ r2  ┆ c2  ┆ 4   │
│ r3  ┆ c1  ┆ 5   │
│ r3  ┆ c2  ┆ 6   │
└─────┴─────┴─────┘

参数说明：

• id_vars：指定保持不变的行标识列（这里是R）
• value_vars：指定要展开为行的宽表列（这里是c1、c2）
• variable_name/value_name：指定转换后的列名，和原始表的C、VAL对应

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