如何在Python中将DataFrame的列值转换为独立列？

可以通过Pandas的pivot或pivot_table方法快速实现需求，两种方法分别适配不同的数据场景：

方法1：使用pivot（适用于无重复的Country-Year-Area组合） #

如果你的数据中，每个Country-Year-Area组合仅出现一次，直接用pivot即可完成转换：

import pandas as pd

# 构造示例原始DataFrame
df = pd.DataFrame({
    'Country': ['USA', 'USA', 'China', 'China', 'Japan', 'Japan'],
    'Year': [2020, 2020, 2021, 2021, 2022, 2022],
    'Area': ['T', 'NT', 'T', 'NT', 'T', 'NT'],
    'count': [100, 50, 200, 80, 150, 60]
})

# 执行格式转换
result = df.pivot(index=['Country', 'Year'], columns='Area', values='count').reset_index()

# 整理列名（可选操作）
result.columns.name = None  # 移除列的层级标签
result = result.rename(columns={'T': 'T_count', 'NT': 'NT_count'})  # 自定义列名

# 处理缺失值（如果存在部分Country-Year仅包含T/NT的情况）
result = result.fillna(0)

转换后的结果示例：

方法2：使用pivot_table（适用于存在重复的Country-Year-Area组合） #

如果原始数据中同一个Country-Year-Area组合有多个行，需要对count进行聚合（求和、均值等），用pivot_table更合适：

# 构造包含重复行的示例数据
df_dup = pd.DataFrame({
    'Country': ['USA', 'USA', 'USA', 'USA'],
    'Year': [2020, 2020, 2020, 2020],
    'Area': ['T', 'T', 'NT', 'NT'],
    'count': [60, 40, 30, 20]
})

# 转换并聚合（默认对重复值求和）
result_dup = df_dup.pivot_table(
    index=['Country', 'Year'],
    columns='Area',
    values='count',
    aggfunc='sum'  # 可替换为'mean'/'max'等其他聚合函数
).reset_index()

result_dup.columns.name = None
result_dup = result_dup.fillna(0)

转换后的结果示例：

关键参数说明 #

• index：指定作为行唯一标识的列，这里是Country和Year，确保每行对应唯一的国家-年份组合
• columns：需要转为独立列的原列（即Area），其取值会成为新的列名
• values：填充到新列中的数值列（即count）
• aggfunc：仅pivot_table需要，指定重复行的聚合规则

内容的提问来源于stack exchange，提问作者user20494840