Pandas实现行数据转列：transpose/pivot/melt方法选择与用法

三个方法里只有pivot符合需求，另外两个方法的适用场景完全不匹配：

• transpose：用于DataFrame整体行列转置，是把所有现有行、列直接互换位置，无法按指定指标字段拆分生成新列，达不到转换要求。
• melt：是宽表转长表的方法，作用是把多列合并为「指标-值」的长结构，和你要做的长表转宽表需求完全相反。
• pivot：是pandas专门用于长格式转宽格式的方法，支持指定行标识、拆分字段、值字段，完全匹配你要把不同Indicator拆成单独列的需求。

你的样例数据中每个「国家+指标」组合对应唯一值，没有重复条目，直接调用pivot即可，代码如下：

# 执行长转宽操作
df_result = df.pivot(
    index="Country Name",
    columns="Indicator Name",
    values="value"
).reset_index()

# 清除columns轴的名称，和目标格式完全对齐
df_result.columns.name = None

执行后打印df_result就能得到你要的目标结构：

Country Name  GDP   Jobs
0       Brazil    3  54.00
1        China    6  12.80
2      Germany    9   8.32

补充说明：如果后续遇到同一个国家+同一个指标存在多条重复记录的情况，可以替换为pivot_table方法，指定聚合函数即可，例如df.pivot_table(index="Country Name", columns="Indicator Name", values="value", aggfunc="sum")，你当前的样例数据用基础pivot就足够。

内容的提问来源于stack exchange，提问作者ddd