如何在Python中将DataFrame行转列？混合类型数据处理需求

你需要将inv列的唯一值转为新列，以store和period作为复合索引，对应填充info的混合类型值。以下是两种可行方法：

方法1：使用pivot函数 #

当store+period+inv的组合无重复时，pivot是最直接的方案，它能直接完成行列转换并保留原始值类型：

result = df.pivot(index=['store', 'period'], columns='inv', values='info').reset_index()

方法2：使用pivot_table函数 #

如果数据存在少量重复的store+period+inv组合，可指定aggfunc='first'保留第一个出现的值，同样支持混合类型：

result = df.pivot_table(index=['store', 'period'], columns='inv', values='info', aggfunc='first').reset_index()

完整验证代码 #

import pandas as pd

inv = ['Z15','Z15','Z15','Z15','Z15','Z15','Z15','Z15','Z15','Z17','Z17','Z17','Z17','Z17','Z17','Z17']
store = ['store1','store1','store1','store2','store2','store2','store2','store2','store2','store3','store4','store5','store6','store7','store1','store2']
period = [2018,2019,2020,2015,2016,2017,2018,2019,2020,2022,2022,2022,2022,2022,2018,2019]
info = ['0.84773','0.8487','0.82254','0.75','0.65','0.432','0.546','0.777','0.1','High','High','Medium','Very Low','Low','High','Low']

df = pd.DataFrame({'inv':inv,
                'store':store,
                'period':period,
                'info':info})

# 执行转换
result = df.pivot(index=['store', 'period'], columns='inv', values='info').reset_index()
print(result)

输出结果 #

inv    store  period    Z15      Z17
0     store1    2018  0.84773    High
1     store1    2019  0.8487     NaN
2     store1    2020  0.82254    NaN
3     store2    2015  0.75       NaN
4     store2    2016  0.65       NaN
5     store2    2017  0.432      NaN
6     store2    2018  0.546      NaN
7     store2    2019  0.777      Low
8     store2    2020  0.1        NaN
9     store3    2022  NaN        High
10    store4    2022  NaN        High
11    store5    2022  NaN        Medium
12    store6    2022  NaN        Very Low
13    store7    2022  NaN        Low

注意事项 #

• 针对你的大规模数据集（100+门店、400+库存项、30+周期），这两种方法的效率都能满足需求；
• 结果中的NaN表示对应门店-周期组合无该库存项的info值，可通过fillna()按需填充；
• 若存在重复组合，可根据业务需求替换aggfunc，比如'last'或自定义处理函数。

内容的提问来源于stack exchange，提问作者user032020