如何将列值转为列名？寻求Pandas内置函数实现高效转换

嘿，你的这个需求完全可以用Pandas的内置pivot函数一步搞定，比手动循环构建字典的方式性能高太多，而且代码简洁到离谱！

核心解决方案 #

因为你的数据里timestamp和id_的组合是唯一的（没有重复的时间-ID对），直接用pivot就能完美实现你要的格式：

import pandas as pd

# 假设你的原始数据已经读入为DataFrame df
res = df.pivot(index='timestamp', columns='id_', values='value')

为什么这个方法更好？ #

• 性能碾压：Pandas的内置函数是基于C语言实现的，比你手动写Python循环快几个数量级，尤其是当数据量很大的时候，差距会非常明显。
• 代码简洁：一行代码就完成了分组、提取值、构建新DataFrame的全部操作，可读性和维护性都强很多。

转换后的结果 #

运行上面的代码后，得到的res就是你想要的格式：

a   b
timestamp        
2020-05-01  0  10
2020-05-02  1  11
2020-05-03  2  12
2020-05-04  3  13
2020-05-05  4  14
2020-05-06  5  15
2020-05-07  6  16
2020-05-08  7  17
2020-05-09  8  18
2020-05-10  9  19

特殊情况处理（可选） #

如果你的数据里存在重复的timestamp+id_组合（比如同一个ID在同一天有多个value），可以用pivot_table并指定聚合函数来处理：

res = df.pivot_table(index='timestamp', columns='id_', values='value', aggfunc='mean')

这里用mean取平均值，你也可以根据需求换成sum、max等其他聚合函数。

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