Pandas如何将列中唯一值转置为新列完成dataframe结构转换

直接调用pivot得到不符合预期的结果，核心原因是原始数据是无显式分组标识的长表结构：每连续5行对应1条完整交易记录，但没有字段标记哪些行归属同一条交易，pivot默认按原索引逐行匹配列值，就会生成大量空值。

不需要复杂的groupby聚合，按以下逻辑操作即可：

• 给每条交易生成唯一分组ID：根据数据规律，每条交易固定以Date of transaction开头，既可以按固定5行的规律快速分组，也可以通过识别起始行生成适配不规则数据的分组ID，同时保留每组第一行的原索引，匹配你预期结果的行号。
• 执行透视转换：以分组ID为行索引、c1字段值为列名、c2字段值为单元格内容做透视，最后调整列顺序、清除多余轴标签即可。

import pandas as pd
import numpy as np

# 构造原始示例数据
df = pd.DataFrame({
    'c1': ['Date of transaction','Deposit amount','Withdrawal amount','Balance','Comments',
           'Date of transaction','Deposit amount','Withdrawal amount','Balance','Comments'],
    'c2': ['2021-04-26','10,000',np.nan,'10,000','store_a',
           '2021-04-26','20,000',np.nan,'21,000','store_b']
})

# 通用分组逻辑：每次遇到交易日期行就记为新分组，不依赖固定行数
df['record_id'] = (df['c1'] == 'Date of transaction').cumsum() - 1
# 提取每组第一行的原索引，作为最终结果的行号
target_index = df.groupby('record_id').apply(lambda x: x.index[0]).values

# 透视转宽表
result = df.pivot(index='record_id', columns='c1', values='c2')
# 调整行索引、列顺序，匹配预期格式
result.index = target_index
result = result[['Date of transaction','Deposit amount','Withdrawal amount','Balance','Comments']]
result.columns.name = None

print(result)

Date of transaction Deposit amount Withdrawal amount Balance Comments
0          2021-04-26         10,000               NaN  10,000  store_a
5          2021-04-26         20,000               NaN  21,000  store_b

内容的提问来源于stack exchange，提问作者superccccc