如何将pandas DataFrame从现有结构转换为目标结构

你需要的是把列名带「国家+指标」复合信息的宽表，转换为按维度规整的标准表，直接按下面的步骤操作即可：

• 核心逻辑分两步：先把所有数值列打平为长表拆分出国家、指标维度，再把指标转回单独列。
• 完整代码如下，把对应变量名替换成你自己的表名、列名就行：

import pandas as pd

# 1. 宽表转长表，id_vars里放所有不需要转置的公共维度列，比如年份、月份这类
df_long = df.melt(
    id_vars=["年份"], 
    var_name="country_metric", 
    value_name="value"
)

# 2. 拆分复合列名，拿到国家、具体指标两个字段，如果你的列名分隔符不是下划线就换成对应符号
df_long[["国家", "指标"]] = df_long["country_metric"].str.split("_", expand=True)

# 3. 把指标字段转回列，得到目标结构
df_result = df_long.pivot(
    index=["年份", "国家"], 
    columns="指标", 
    values="value"
).reset_index()

# 清理列名多余的索引标签
df_result.columns.name = None

注意事项：如果你的公共维度不止年份（比如还有季度、行业字段），直接把字段名加到id_vars和pivot的index参数列表里即可；如果转换后有空值，按业务需求用fillna()填充对应值就行。

可以用测试数据验证效果：

# 构造和原始结构一致的测试表
df = pd.DataFrame({
    "年份": [2020, 2021, 2022],
    "阿根廷_食品出口": [102, 124, 157],
    "阿根廷_能源出口": [83, 92, 116],
    "巴西_食品出口": [211, 235, 272],
    "巴西_能源出口": [154, 172, 209]
})

# 执行上述转换后输出的结果，每行对应一个年份+一个国家，食品出口、能源出口各自为独立列，和目标结构完全一致

内容的提问来源于stack exchange，提问作者Lautaro