Python pandas：转置现有DataFrame创建自定义格式DataFrame

你要做的是宽表转长表+指标列透视，两步pandas操作就能得到预期结果，不需要复杂自定义逻辑。
你的原始数据结构如下：

原始表中Country（国家）、Indicator（指标）是固定维度列，其余列均为年份维度的数值列，转换分两步走：

1. 第一步用melt把分散的年份列合并为单个Year列

import pandas as pd

# 固定国家、指标为id列，其余年份列打平
df_step1 = df.melt(
    id_vars=["Country", "Indicator"],
    var_name="Year",
    value_name="metric_value"
)

这一步输出的表结构为4列：Country/Indicator/Year/metric_value，每一行对应「某国家+某年+某指标」的单条数值。
2. 第二步用pivot把Indicator列的5个指标转为独立列

# 以国家、年份为行索引，把不同指标值展开为单独列
df_result = df_step1.pivot(
    index=["Country", "Year"],
    columns="Indicator",
    values="metric_value"
).reset_index()

# 清掉透视带来的列名层级，恢复普通二维表结构
df_result.columns.name = None

最终输出结构和你预期完全一致：

注意事项 #

• 如果你的原始数据存在「同一国家+同一年份+同一指标」的重复条目，把pivot替换为pivot_table，指定聚合规则即可，例如pd.pivot_table(..., aggfunc="first")
• 转换后行数校验：如果有N个国家、10个年份，最终输出行数固定为N*10，每个国家对应10条年份记录，和你要求的重复规则匹配。
• 如果想简化写法，也可以直接用pd.wide_to_long完成第一步年份合并，逻辑和melt等价，适合列名规则高度统一的数据集。

内容的提问来源于stack exchange，提问作者Florence Barre