如何在Pandas中转置指定DataFrame为样本×步骤格式？

现有如下Pandas DataFrame构建代码：

import pandas as pd

df = pd.DataFrame([[[1, 2, 3]], [[4, 5, 6]]], index=['step1', 'step2'], columns=['process'])

执行后得到初始DataFrame：

process
step1   [1, 2, 3]
step2   [4, 5, 6]

经过以下步骤处理：

df1 = df['process'].apply(pd.Series).rename(columns=lambda x: f'sp {x+1}')
out = pd.concat([df1], keys=['process'], axis=1)

得到out的结构为：

process
        sp 1    sp 2    sp 3
step1   1       2       3
step2   4       5       6

需要将其转置为**(sample×step)**的格式，目标结果如下：

process
      step1   step2    
sp 1    1       4
sp 2    2       5
sp 3    3       6

方法一：基于最终out直接处理 #

通过转置+索引层级调整即可实现目标格式：

# 转置DataFrame，交换列索引层级并排序
result = out.T.swaplevel(0, 1).sort_index()

代码解释：

1. out.T：将原DataFrame转置，此时行索引变为原列的多层索引('process', 'sp 1')等，列变为原行索引step1、step2；
2. swaplevel(0,1)：交换行索引的两个层级，将sp x调整为外层行索引，process调整为内层；
3. sort_index()：对行索引进行排序，保证结构整齐。

方法二：在中间步骤df1直接处理 #

如果不需要保留out的结构，可以直接在生成df1后一步到位：

df1 = df['process'].apply(pd.Series).rename(columns=lambda x: f'sp {x+1}')
# 转置后添加列层级并调整
result = df1.T.rename_axis(index=None, columns='process').swaplevel(axis=1)

此方法更简洁，直接从df1生成目标格式。

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