如何使用Pandas实现DataFrame结构转换得到目标格式表格

你使用transpose()无法得到目标结果，是因为该方法仅做DataFrame的整体行列翻转，不支持按指定维度拆分重组数据。该需求属于典型的长表转宽表透视场景，直接使用pandas内置的pivot方法即可实现，操作步骤如下：

• 首先构造对应原始DataFrame，和描述的4条数据完全一致：

import pandas as pd

df = pd.DataFrame({
    'A': ['first', 'second', 'first', 'second'],
    'type': ['B', 'B', 'C', 'C'],
    'val': [20, 30, 200, 300]
})

• 调用pivot方法完成结构转换，三个核心参数分别匹配需求：index指定作为行标识的列，columns指定取值作为新列名的列，values指定用来填充表格的数值列，最后用reset_index()把作为行索引的A列还原为普通列：

df_result = df.pivot(
    index='A',
    columns='type',
    values='val'
).reset_index()

• 运行后得到的输出完全匹配目标结构：

type       A   B    C
0       first  20  200
1      second  30  300

特殊场景适配 #

• 如果原始数据存在同一个A+type组合对应多条val记录的情况，pivot会触发重复值报错，此时可替换为pivot_table方法，指定聚合规则即可，比如对重复值求和的示例代码：

df_result = df.pivot_table(
    index='A',
    columns='type',
    values='val',
    aggfunc='sum'
).reset_index()

内容的提问来源于stack exchange，提问作者mirkap