如何用Pandas将groupby分组均值结果转为宽格式DataFrame？

我有如下结构的pandas.DataFrame数据：

import pandas as pd
df = pd.DataFrame({
    'Year' : [2001, 2001, 2001, 2001, 2002, 2002, 2002, 2002],
    'Month' : ['Aug', 'Aug', 'Sep', 'Sep', 'Aug', 'Aug', 'Sep', 'Sep'],
    'Day' : [1, 2, 1, 2, 1, 2, 1, 2],
    'Value' : [1, 2, 3, 4, 5, 6, 7, 8]  
})

我按Month和Year分组并计算均值：

print(df.groupby(['Month', 'Year'])['Value'].mean())

得到的输出结果为：

现在我希望生成如下结构的新DataFrame：

请问Pandas模块中是否有可用函数实现该需求？

当然有，Pandas提供了多种简洁的方法实现这种数据结构转换，以下是几种常用方案：

方法1：基于分组结果使用unstack() #

你已经完成了分组均值计算，直接对分组后的Series调用unstack()，即可将Month层级的索引转为列，再调整格式即可：

grouped = df.groupby(['Month', 'Year'])['Value'].mean()
result = grouped.unstack(level='Month').reset_index().rename_axis(None, axis=1)
print(result)

• unstack(level='Month')：指定将Month索引转为列
• reset_index()：将Year从索引转为普通列
• rename_axis(None, axis=1)：移除列的轴标签，让结果更贴合需求

方法2：用pivot_table()一步完成聚合+转换 #

如果不想分步操作，可以直接用pivot_table一次性完成分组聚合和结构转换：

result = df.pivot_table(
    values='Value',
    index='Year',
    columns='Month',
    aggfunc='mean'
).reset_index().rename_axis(None, axis=1)
print(result)

这里index指定行维度为Year，columns指定列维度为Month，aggfunc='mean'定义对Value的聚合方式，后续格式调整同方法1。

方法3：聚合后用pivot()转换 #

若需要先对聚合结果做其他处理，可先将分组结果转为普通DataFrame，再用pivot调整结构：

agg_df = df.groupby(['Year', 'Month'])['Value'].mean().reset_index()
result = agg_df.pivot(index='Year', columns='Month', values='Value').reset_index().rename_axis(None, axis=1)
print(result)

内容的提问来源于stack exchange，提问作者Niklas