Python中DataFrame添加表头、列转表头及去重的最优实现方案

1. 为原DataFrame添加表头 #

如果你的原始DataFrame没有列名，先给它指定明确的表头，方便后续操作：

# 假设原数据对应"日期""指标名称""指标值"三类内容，按需修改列名
df.columns = ["日期", "指标名称", "指标值"]

2. 去除重复项 #

使用drop_duplicates按关键维度去重，避免后续透视时出现冲突：

# 按日期+指标名称组合去重，保留最新的一条记录（需保留最早则用keep='first'）
df = df.drop_duplicates(subset=["日期", "指标名称"], keep="last").reset_index(drop=True)

3. 将指定列转为表头（透视表操作） #

用pivot实现列转表头的核心转换，操作简洁高效；如果担心仍存在重复值，用pivot_table搭配聚合函数更稳妥：

# 方法1：用pivot直接转换（已去重时优先用）
result_df = df.pivot(index="日期", columns="指标名称", values="指标值").reset_index()
# 清除列名的层级标签
result_df.columns.name = None

# 方法2：用pivot_table兼容可能的重复值（兜底方案）
result_df = df.pivot_table(index="日期", columns="指标名称", values="指标值", aggfunc="first").reset_index()
result_df.columns.name = None

完整示例代码 #

import pandas as pd

# 模拟你的原始DataFrame结构
data = [
    ["2024-01-01", "销售额", 1000],
    ["2024-01-01", "销售额", 1000],  # 模拟重复项
    ["2024-01-01", "访客数", 500],
    ["2024-01-02", "销售额", 1200],
    ["2024-01-02", "访客数", 600]
]
df = pd.DataFrame(data)

# 执行三步转换
df.columns = ["日期", "指标名称", "指标值"]
df = df.drop_duplicates(subset=["日期", "指标名称"], keep="last").reset_index(drop=True)
result_df = df.pivot(index="日期", columns="指标名称", values="指标值").reset_index()
result_df.columns.name = None

print(result_df)

输出结果会直接呈现你需要的格式：日期作为首列，各类指标作为表头，对应日期的指标值填充至单元格中。

内容的提问来源于stack exchange，提问作者cengiz ali