如何对Pandas DataFrame进行透视转换得到指定格式输出表

你要实现的是典型的长格式DataFrame转宽格式操作，直接用pandas内置的pivot方法即可完成。

操作步骤 #

• 先构造与示例一致的原始测试数据：

  import pandas as pd
  
  df = pd.DataFrame({
      'ABC': ['A', 'A', 'B', 'B'],
      'Date': ['1/1/22', '1/2/22', '1/1/22', '1/2/22'],
      'Data': [1, 2, 3, 4]
  })
  

• 执行透视转换：

  # 核心透视逻辑
  df_result = df.pivot(
      index='Date',
      columns='ABC',
      values='Data'
  ).reset_index()
  
  # 清除透视残留的索引名，和预期输出格式完全对齐
  df_result.columns.name = None
  

运行后得到的df_result和你给出的预期结果完全匹配：

参数说明 #

• index='Date'：指定Date列为新表的行维度，相同日期会合并到同一行
• columns='ABC'：取ABC列的去重值作为新表的列名
• values='Data'：取Data列的数值填充到对应行列的交叉位置
• reset_index()：将作为行索引的Date列还原为普通数据列
• columns.name = None：删除透视操作自动生成的列索引层级名称，避免输出多余表头

注意：如果原始数据中存在「同一个ABC分类+同一个日期」对应多条Data记录的情况，pivot会直接报错，此时替换为pivot_table方法即可，还可以通过aggfunc参数自定义聚合规则（求和、均值、计数等）。

内容的提问来源于stack exchange，提问作者Subhendu