如何从长格式数据集创建宽长混合格式DataFrame？

直接用pandas的pivot_table或pivot方法就能满足需求，这两个是处理长转宽场景的最优选择，具体操作如下：

1. 原始数据生成代码 #

先确认原始长格式DataFrame的生成代码：

import pandas as pd
import numpy as np

long_dict = {'Period':['2021-01-01','2021-02-01','2021-01-03','2021-02-04','2022-02-01','2022-03-01','2021-03-01'],
                'Indicator':['number of tracks','number of tracks','defects','defects','gears and bobs','gears and bobs','staff'],
                'indicator_status':['active','active','active','active','active','active','active'],
                'mech_code':['73','73','44','44','106','107','106'],
                'Value':[100,120,7,17,25,99,81]}
df = pd.DataFrame(long_dict)

2. 宽格式转换实现 #

方法一：pivot_table（推荐，兼容重复分组场景） #

考虑到数据中可能存在同一分组组合对应多条记录的情况，pivot_table能自动处理聚合逻辑，这里我们取Value的第一个值（无重复值时，用first/mean结果一致）：

wide_df = df.pivot_table(
    index=['Period', 'indicator_status', 'mech_code'],
    columns='Indicator',
    values='Value',
    aggfunc='first'
).reset_index()

# 移除列名的层级标签
wide_df.columns.name = None

方法二：pivot（适合无重复分组键的场景） #

如果能确保(Period, indicator_status, mech_code, Indicator)组合完全唯一，直接用pivot更高效：

wide_df = df.pivot(
    index=['Period', 'indicator_status', 'mech_code'],
    columns='Indicator',
    values='Value'
).reset_index()

wide_df.columns.name = None

3. 转换后效果 #

转换后的DataFrame会把每个Indicator作为独立列，同时保留Period、indicator_status、mech_code作为行标识，缺失值自动填充为NaN，完全适配专有软件的可视化需求。

内容的提问来源于stack exchange，提问作者Mazil_tov998