如何实现Pandas DataFrame行转列为单行格式？pivot结果异常求解

首先，咱们先复现一下你的原始数据和问题场景：

import pandas as pd

# 原始DataFrame
df = pd.DataFrame({
    'type': ['IP_1', 'IP_2'],
    'result': [['a', 'b'], ['c', 'd']]
})

# 你尝试的pivot操作
wrong_pivot = df.pivot(columns='type', values='result')
print(wrong_pivot)
# 输出：
#    IP_1        IP_2
# 0  NaN        ['a', 'b']
# 1  ['c', 'd']  NaN

问题原因 #

之所以会出现NaN，是因为pivot默认会保留原始DataFrame的行索引作为结果的行索引。你的原始数据有两行（索引0和1），所以pivot后，IP_1只会在它原本所在的行（索引0）有值，IP_2只会在它原本所在的行（索引1）有值，其他位置自然就是NaN了。

解决方案 #

我们需要让所有type对应的result值都放到同一行里，这里给你几种实用的方法：

方法1：添加临时分组列（最直观）

给所有行添加一个相同的临时列，让pivot把它们归为同一组：

# 添加临时列，所有行值都为0
df['temp'] = 0
# 以temp为索引，type为列，result为值做pivot
pivoted_df = df.pivot(index='temp', columns='type', values='result')
# 去掉临时索引，得到你想要的格式
pivoted_df = pivoted_df.reset_index(drop=True)

print(pivoted_df)
# 输出：
#        IP_1        IP_2
# 0  ['a', 'b']  ['c', 'd']

方法2：用groupby + unstack

通过分组聚合把每个type对应的result提取出来，再转成列：

# 按type分组，取每个组的第一个result值（这里每个type只有一个值）
grouped = df.groupby('type')['result'].first()
# 把行索引转成列，再转成DataFrame并调整为一行
pivoted_df = grouped.unstack().to_frame().T

print(pivoted_df)
# 输出和上面一致

方法3：直接构造新DataFrame

如果你的数据量不大，也可以直接遍历原始行来构造目标格式：

pivoted_df = pd.DataFrame({
    row['type']: [row['result']] for _, row in df.iterrows()
})

print(pivoted_df)
# 同样得到你想要的结果

内容的提问来源于stack exchange，提问作者WindCheck