如何使用pandas将DataFrame行数据转换为列数据

核心用pivot透视方法即可完成行列转换，以下是可直接复用的代码：

1. 匹配原始数据结构 #

先构造和示例一致的测试数据，你可以对照自己的实际DataFrame调整列名：

import pandas as pd

# 原始数据结构：指标名（Rank/Percentage）存在同一列，和分组字段逐行对应
raw_df = pd.DataFrame({
    'Category': ['X', 'X', 'Y', 'Y', 'Z', 'Z'],
    'MetricType': ['Rank', 'Percentage', 'Rank', 'Percentage', 'Rank', 'Percentage'],
    'MetricValue': [1, '92%', 2, '85%', 3, '79%']
})

2. 核心转换代码 #

# 透视转换：以业务分组列为索引，指标类型拆为独立列，取对应指标值填充
target_df = raw_df.pivot(
    index='Category', 
    columns='MetricType', 
    values='MetricValue'
).reset_index()

# 调整列顺序和目标格式对齐
target_df = target_df[['Category', 'Rank', 'Percentage']]

3. 特殊场景适配 #

• 无单独指标列、按行块存储的场景：如果原始数据没有单独的MetricType列，前半段全是Rank数据、后半段全是Percentage数据，可以直接按行切片合并：

group_count = len(raw_df) // 2
rank_block = raw_df.iloc[:group_count].reset_index(drop=True)
pct_block = raw_df.iloc[group_count:].reset_index(drop=True)

target_df = pd.DataFrame({
    'Category': rank_block['Category'],
    'Rank': rank_block['MetricValue'],
    'Percentage': pct_block['MetricValue']
})

• 存在重复数据的场景：如果转换时报「存在重复索引/列组合」的错误，把pivot换成pivot_table即可，指定聚合规则取对应值：

target_df = raw_df.pivot_table(
    index='Category',
    columns='MetricType',
    values='MetricValue',
    aggfunc='first'  # 重复值取第一条，可根据需求替换为sum/mean等
).reset_index()

• 数值计算场景：如果后续需要对Percentage做数值计算，可以加一步类型转换：

target_df['Percentage'] = target_df['Percentage'].str.strip('%').astype('float') / 100

转换效果 #

原始长表结构：

转换后目标宽表结构：

内容的提问来源于stack exchange，提问作者Akankshya