如何对长格式DataFrame执行pivot透视转换得到目标宽表

你的需求是标准的长表转宽表场景，由于每个SN与Feature的取值组合唯一，无重复值需要聚合，直接使用pandas的pivot()方法即可完成转换。

实现步骤 #

• 第一步：确认原始表结构
  原始长表包含4个字段，其中核心业务字段为：
  • SN：序列号，作为宽表的行唯一标识
  • Feature：特征名，取值为table/mix_ratio/date，作为宽表的列名
  • value：特征值，作为宽表的单元格填充值
• 第二步：编写透视代码
  以你描述的样例数据为例，完整可运行代码如下：

import pandas as pd

# 构造样例长表数据
df_long = pd.DataFrame({
    "index": list(range(9)),
    "Feature": ["table", "mix_ratio", "date"] * 3,
    "value": ["A", 0.12, "2/2/2022", "B", 0.15, "2/3/2022", "C", 0.17, "2/4/2022"],
    "SN": [12345]*3 + [12346]*3 + [12347]*3
})

# 执行透视转换
df_wide = df_long.pivot(
    index="SN",
    columns="Feature",
    values="value"
).reset_index()  # 将SN从行索引还原为普通数据列

• 第三步：结果校验
  转换完成的宽表结构和你预期完全一致，样例输出如下：

注意事项 #

如果你的原始数据存在同一个SN+Feature对应多条记录的情况，需要替换为pivot_table()方法并指定聚合规则，例如取第一条匹配值可以写为：

df_wide = df_long.pivot_table(
    index="SN",
    columns="Feature",
    values="value",
    aggfunc="first"
).reset_index()

在组合值唯一的场景下，优先使用pivot()，执行效率更高。

内容的提问来源于stack exchange，提问作者Ignacio Peñafiel Miguel