如何按特定规则将Pandas DataFrame数据重排为多列格式？

原数据示例（创建代码） #

假设你的原始DataFrame结构如下，这里给出创建示例代码：

import pandas as pd

data = {
    'DateTime': ['2024-01-01', '2024-01-01', '2024-01-01', '2024-01-02', '2024-01-02', '2024-01-02'],
    'Type': ['TypeA', 'TypeB', 'TypeC', 'TypeA', 'TypeB', 'TypeC'],
    'Value': [10, 20, 30, 15, 25, 35]
}
df = pd.DataFrame(data)
df['DateTime'] = pd.to_datetime(df['DateTime'])  # 确保DateTime为时间类型，可选但推荐

核心转换方法 #

方法1：pivot()（无重复值场景）

当每个DateTime+Type组合唯一时，用pivot实现快速转换：

# 生成宽表
wide_df = df.pivot(index='DateTime', columns='Type', values='Value').reset_index()
# 移除列层级名称（可选，让表头更简洁）
wide_df.columns.name = None

参数说明：

• index='DateTime'：指定行索引为DateTime列
• columns='Type'：将Type的唯一值（TypeA/TypeB/TypeC）作为新列名
• values='Value'：用Value列的值填充对应单元格
• reset_index()：把DateTime从索引转回普通列（若需保留索引可省略）

方法2：pivot_table()（存在重复值场景）

如果同一DateTime+Type对应多个Value，用pivot_table做聚合处理（示例用求和，可替换为mean/max等）：

# 聚合重复值并转换
wide_df = df.pivot_table(
    index='DateTime',
    columns='Type',
    values='Value',
    aggfunc='sum'  # 替换为你需要的聚合函数
).reset_index()
wide_df.columns.name = None

转换后结果示例 #

最终的wide_df结构如下：

内容的提问来源于stack exchange，提问作者Matthew David Jankowski