pandas中如何水平、垂直合并多个pivot table得到目标输出

你提出的逐题生成透视表再横向拼接的思路可行，但不是最优方案：当题目数量多、样本量大时，重复透视+逐表拼接不仅运行效率低，还很容易因为索引不统一出现行错位、列名重复的问题。

更高效的实现逻辑 #

不需要拆分题目逐个处理，用一次透视操作就能直接输出目标格式的宽表，核心步骤如下：

• 先确认原始长表的核心字段：从原始数据样例来看，属于典型的问卷明细存储结构，必备字段包括受访者唯一ID、题号（Q1/Q2…）、选项内容、回答标记/取值四类
• 直接调用透视方法，以受访者ID为行索引，以「题号+选项」的组合为列维度，填充值取回答标记，一次完成全量题目的宽表转换
• 最后调整列名格式、按题号排序列顺序，保证同一个题目下的所有选项列连续排列即可

可直接复用的参考代码 #

import pandas as pd

# 读取原始数据，替换为你自己的文件读取逻辑
raw_df = pd.read_excel("raw_survey_data.xlsx")

# 一次性透视生成宽表，注意替换参数为你实际表中的字段名
# index: 传入能唯一标记单个受访者的字段，比如resp_id、user_id
# columns: 传入要展开为列的两个维度：题号列、选项列
# values: 传入单元格填充的取值，比如多选的选中标记、打分题的分值
# fill_value: 未选中/无回答的单元格填充值，一般多选填0，打分题按需填空值
wide_df = pd.pivot_table(
    raw_df,
    index="resp_id",
    columns=["question_id", "option_content"],
    values="answer_mark",
    aggfunc="max",
    fill_value=0
).reset_index()

# 扁平化多级列名，拼接成「题号_选项」的常用格式
wide_df.columns = [
    f"{level1}_{level2}" if level2 else level1 
    for level1, level2 in wide_df.columns
]

# 按题号排序列，保证同一道题的选项列连续排列
sorted_columns = ["resp_id"] + sorted(
    [col for col in wide_df.columns if col.startswith("Q")],
    key=lambda x: int(x.split("_")[0][1:])
)
final_result = wide_df[sorted_columns]

如果坚持用逐题拼接思路的避坑提示 #

如果你的数据存在特殊结构、必须拆分题目逐个处理，注意两个核心问题避免出错：

• 每道题生成透视表时，必须统一使用受访者ID作为索引，不要用默认的整数索引，否则后续横向拼接时会出现严重的行错位
• 每道题的透视结果生成后立刻修改列名，保证列名全局唯一，不要等全部拼接完再统一处理，否则很容易出现同名列覆盖的问题

内容的提问来源于stack exchange，提问作者Ashna