如何用Python Pandas的pivot将表格转换为国家名称、年份、值的结构

根据你的表格结构（第一列为国家名称，后续各列为年份，单元格为对应年份的数值），以下是具体实现方法：

方法1：最简便的方式（使用melt） #

虽然你问的是pivot，但宽表转长表最直接的工具是melt，代码如下：

import pandas as pd

# 假设你的原始数据框是df，国家列名为"国家名称"
df_long = df.melt(
    id_vars=["国家名称"],  # 保留作为标识的列
    var_name="年份",       # 新生成的年份列的名称
    value_name="对应年份数值"  # 新生成的数值列的名称
)

方法2：用pivot相关逻辑实现（反向重塑） #

如果一定要贴合pivot的思路，可通过堆叠列索引再调整结构实现：

# 1. 将年份列转为行索引层级，得到多索引的Series
stacked = df.set_index("国家名称").stack()

# 2. 重置索引，将多索引转为普通列
df_long = stacked.reset_index()

# 3. 重命名列名匹配需求
df_long.columns = ["国家名称", "年份", "对应年份数值"]

补充说明 #

• 若原始表格的年份列是字符串类型，可通过df_long["年份"] = df_long["年份"].astype(int)转为数值类型。
• 转换后若存在缺失值，可使用df_long.dropna()删除或df_long.fillna()填充。

内容的提问来源于stack exchange，提问作者Monica