重构Pandas DataFrame：将行转换为参与者分列的指定格式

这是个典型的宽表转长表再转宽表的需求，用Pandas的melt和pivot方法就能完美实现，我给你一步步拆解操作：

步骤1：构造示例数据（如果你的DataFrame已经存在，这步可以跳过） #

先把你提供的示例数据转换成Pandas DataFrame：

import pandas as pd

data = {
    'itemname': ['E1', 'E1', 'E1', 'A1', 'A1', 'A1', 'Foo', 'Foo', 'Foo'],
    'participant': [1, 2, 3, 1, 2, 3, 1, 2, 3],
    's0': ['no', 'no', 'no', 'no', 'no', 'yes', 'no', 'yes', 'no'],
    's1': ['no', 'no', 'no', 'no', 'no', 'no', 'no', 'no', 'yes'],
    's2': ['no', 'yes', 'no', 'no', 'no', 'no', 'no', 'no', 'yes'],
    's3': ['yes', 'no', 'yes', 'yes', 'yes', 'no', 'yes', 'no', 'yes']
}
df = pd.DataFrame(data)

步骤2：执行格式转换 #

我们可以用链式操作一步完成转换，每一步的作用我都标出来了：

result_df = (
    # 第一步：把s0-s3这些宽列转成长格式，保留itemname和participant作为标识列
    df.melt(id_vars=['itemname', 'participant'], 
            var_name='s_col', 
            value_name='response')
    # 第二步：将participant转成列，用itemname+s_col作为行索引
    .pivot(index=['itemname', 's_col'], 
           columns='participant', 
           values='response')
    # 去掉列的索引名称（默认是participant，不需要显示）
    .rename_axis(columns=None)
    # 重置索引，把复合索引转成普通列
    .reset_index()
    # 合并itemname和s_col列，生成新的itemname（比如E1_s0）
    .assign(itemname=lambda x: x['itemname'] + '_' + x['s_col'])
    # 删掉临时的s_col列
    .drop(columns='s_col')
    # 重命名participant列，改成你想要的participant_1/2/3格式
    .rename(columns={1: 'participant_1', 2: 'participant_2', 3: 'participant_3'})
    # 按itemname排序，和目标格式顺序一致
    .sort_values('itemname')
    # 重置行索引，去掉排序后的索引混乱
    .reset_index(drop=True)
)

验证结果 #

执行完后打印print(result_df)，就能得到你想要的格式：

这个方法的好处是逻辑清晰，不管你有多少个s*列或者多少个participant，都能自动适配，不需要硬编码列名~

内容的提问来源于stack exchange，提问作者user9397006