如何使用Python重格式化CSV数据集 实现州为行年份为列的结构转换

完全可以通过Python实现该格式转换，基于pandas库仅需几行代码即可完成州维度下按年份拆分的长表到宽表转换，具体实现如下：

前置依赖安装 #

先安装数据处理需要的pandas库，在终端执行以下命令：
pip install pandas

实现代码 #

import pandas as pd

# 读取原始长格式CSV，替换为你本地的原始文件路径
raw_df = pd.read_csv("原始数据集文件路径.csv")

# 执行透视转换：行维度为州，列维度为年份，单元格填充对应指标值
# 若你的数据集里州、年份、指标的列名和默认命名不一致，替换单引号内的列名即可
wide_df = raw_df.pivot(
    index="state",
    columns="year",
    values="需要提取的指标字段名"
).reset_index()

# 清理透视生成的多级列名索引
wide_df.columns.name = None

# 导出符合格式要求的宽表CSV，index=False用于取消导出行号列
# utf-8-sig编码可避免Excel打开时中文乱码，纯英文数据可删除encoding参数
wide_df.to_csv("格式化后输出文件路径.csv", index=False, encoding="utf-8-sig")

特殊场景适配 #

如果原始数据中存在「同一个州+同一个年份对应多条记录」的重复情况，将上述代码中的pivot方法替换为pivot_table方法，可通过聚合函数处理重复值，示例如下：

wide_df = raw_df.pivot_table(
    index="state",
    columns="year",
    values="需要提取的指标字段名",
    aggfunc="first" # 重复时取第一条记录，可按需替换为sum/mean/median等聚合规则
).reset_index()

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