如何将Pandas DataFrame列标题转换为索引并重塑数据结构

原始数据结构 #

目标数据结构 #

实现方法 #

方法一：转置+重置索引（简单直接） #

适配当前的简单结构，代码量少：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    '详情项': ['姓名', '年龄', '爱好'],
    '人员1': ['Steve', '45', 'Running'],
    '人员2': ['Larry', '56', 'Skating'],
    '人员3': ['Dave', '67', 'Painting']
})

# 核心转换步骤
result = df.set_index('详情项').T.reset_index()
# 重命名列以匹配目标结构
result.columns = ['人员', '姓名', '年龄', '爱好']

print(result)

步骤说明：

• set_index('详情项')：将"详情项"列设为索引，为转置做准备
• .T：对DataFrame进行行列转置
• reset_index()：把转置后的原列名（人员1/2/3）转为普通列
• 最后重命名列，对齐目标结构的字段名

方法二：melt+pivot组合（扩展性强） #

如果后续数据结构更复杂，这种方法能应对更多场景：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    '详情项': ['姓名', '年龄', '爱好'],
    '人员1': ['Steve', '45', 'Running'],
    '人员2': ['Larry', '56', 'Skating'],
    '人员3': ['Dave', '67', 'Painting']
})

# 第一步：转成长格式数据
melted = df.melt(id_vars='详情项', var_name='人员', value_name='值')
# 第二步：转回宽格式数据
result = melted.pivot(index='人员', columns='详情项', values='值').reset_index()
# 清理列名层级
result.columns.name = None
# 调整列顺序（确保和目标结构一致）
result = result[['人员', '姓名', '年龄', '爱好']]

print(result)

步骤说明：

• melt()：把多列人员数据拆分为"人员"和"值"的长格式，方便后续重组
• pivot()：以"人员"为行索引，"详情项"为列，将"值"填充到对应位置
• 最后清理列名层级并调整列顺序，匹配目标结构

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