Python DataFrame将键值对转为标准表格：transpose无效求解决方法

我有一组键值对格式的Python DataFrame数据，每行包含字段名（如Year、Month、Filed Date）与对应值，每3行构成一条完整记录。尝试使用transpose函数将其转换为以字段名为列标题的标准表格，但结果未达预期。请问应使用何种函数实现如下转换效果？

原数据 #

Year    2020
Month   SEPTEMBER
Filed Date  29-11-2020
Year    2022
Month   JULY
Filed Date  20-08-2022
Year    2022
Month   APRIL
Filed Date  20-05-2022
Year    2017
Month   AUGUST
Filed Date  21-09-2017
Year    2018
Month   JULY
Filed Date  03-02-2019
Year    2021
Month   MAY
Filed Date  22-06-2021
Year    2017
Month   DECEMBER
Filed Date  19-01-2018
Year    2018
Month   MAY
Filed Date  03-02-2019
Year    2019
Month   MARCH
Filed Date  28-09-2019

目标效果 #

Year     Month     Filed Date
2020     September 29-11-2020
2022     July      20-08-2022
...

transpose函数仅能单纯行转列，无法处理这种按固定行数分组的键值对结构。你可以通过分组+重塑的方式实现目标，以下是两种实用方法：

方法1：使用pivot函数（推荐） #

假设你的DataFrame列名为['Field', 'Value']（第一列是字段名，第二列是对应值），步骤如下：

1. 生成分组ID：每3行对应一条完整记录，用df.index // 3给每行分配分组标签
2. 用pivot将字段名转为列，值对应到分组中
3. 可选：将Month列格式调整为首字母大写（匹配目标效果）

示例代码：

import pandas as pd

# 模拟原DataFrame
data = [
    ['Year', 2020], ['Month', 'SEPTEMBER'], ['Filed Date', '29-11-2020'],
    ['Year', 2022], ['Month', 'JULY'], ['Filed Date', '20-08-2022'],
    ['Year', 2022], ['Month', 'APRIL'], ['Filed Date', '20-05-2022'],
    # 其他数据行...
]
df = pd.DataFrame(data, columns=['Field', 'Value'])

# 生成分组ID
df['Group'] = df.index // 3

# 重塑表格
result = df.pivot(index='Group', columns='Field', values='Value').reset_index(drop=True)

# 调整Month列格式（可选）
result['Month'] = result['Month'].str.title()

print(result)

方法2：使用groupby函数 #

通过groupby按分组ID聚合，将每组的键值对转为一行记录：

result = df.groupby(df.index // 3).apply(
    lambda x: pd.Series(x['Value'].values, index=x['Field'].values)
).reset_index(drop=True)

# 同样可选调整Month格式
result['Month'] = result['Month'].str.title()

两种方法最终都会输出目标格式的标准表格，字段名作为列标题，每条完整记录占一行。

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