Wikidata SPARQL结果转Pandas宽表：方法与numpy加速咨询

使用Python的sparqlwrapper查询Wikidata，返回结果为XML格式，已将其转换为Pandas DataFrame。作为Pandas新手，需要实现：

• 将数据转换为每行对应一个Wikidata实体、每列对应一个属性特征的宽格式
• 询问是否可用numpy实现快速转换
• 纠结应使用pd.pivot_table还是melt方法

核心逻辑：长格式转宽格式 #

你当前的DataFrame应该是长格式（每行对应「实体-属性-值」的单条记录），目标是转成宽格式。先明确几个关键函数的作用：

• melt：是把宽格式转成长格式的工具，和你的需求完全相反，直接排除
• pivot/pivot_table：才是长转宽的正确工具，二者适用场景不同

1. 用Pandas实现（推荐） #

场景1：每个实体的每个属性只有唯一值

如果你的数据中，不存在同一个实体对应同一个属性有多个值的情况，用pivot最直接高效：

# 假设你的DataFrame列名为：entity（实体ID/URI）、property（属性名/ID）、value（属性值）
wide_df = df.pivot(
    index='entity',    # 作为行的列：实体
    columns='property',# 作为列的列：属性
    values='value'     # 填充单元格的值：属性值
).reset_index()       # 把实体从索引变回普通列

执行后，wide_df的每行就是一个实体，每列对应一个属性，单元格是该实体的属性值。

场景2：同一个实体的属性存在多值

如果部分属性对应多个值（比如一个实体有多个别名），用pivot_table并指定聚合规则：

# 示例：把多值合并为列表，单值保留原格式
wide_df = df.pivot_table(
    index='entity',
    columns='property',
    values='value',
    aggfunc=lambda x: list(x) if len(x) > 1 else x.iloc[0]
).reset_index()

你也可以根据需求替换aggfunc，比如用'first'取第一个值、' '.join拼接成字符串等。

2. 关于numpy的使用 #

numpy可以实现转换，但完全没必要：

• Pandas的pivot/pivot_table底层已经基于numpy做了优化，性能足够应对绝大多数场景
• 手动用numpy实现需要自己处理实体/属性的去重、值的匹配填充，代码繁琐且容易出错，维护成本高
  如果你的数据量极大（千万级以上），可以考虑先通过Pandas做初步转换，再用numpy做后续优化，但常规场景下优先用Pandas内置方法。

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