Pandas Dataframe按Grand Totals行排序实现列转行的方法

以下是可直接运行的实现方案，默认你的原始数据集命名为df，结构和你描述的完全一致。

前置：模拟原始数据（可跳过，仅用于测试） #

import pandas as pd

df = pd.DataFrame({
    'id': ['ABC', 'DEF', 'GHI', 'TOTAL'],
    'bagel': [2, 1, 7, 10],
    'pizza': [3, 3, 9, 15]
})

方法1：直接提取TOTAL行转置（最简便，无需处理冗余ID数据） #

# 筛选TOTAL行、删除id列、转置后重置索引
result = df[df['id'] == 'TOTAL'].drop(columns='id').T.reset_index()
# 重命名为要求的列名
result.columns = ['Column', 'Total']
# 按总计值降序排序（可选，需要排名时加上即可）
result = result.sort_values('Total', ascending=False, ignore_index=True)

方法2：melt 正确实现（适配你之前尝试的方法） #

result = df[df['id'] == 'TOTAL'].melt(
    id_vars=['id'],
    # 自动匹配id列之后的所有关键词列，无需手动枚举
    value_vars=df.columns[1:],
    var_name='Column',
    value_name='Total'
).drop(columns='id')
# 需要排序加下行即可
# result = result.sort_values('Total', ascending=False, ignore_index=True)

方法3：stack 正确实现（适配你之前尝试的方法） #

result = df[df['id'] == 'TOTAL'].set_index('id')\
    .stack()\
    .reset_index()\
    .rename(columns={'level_1':'Column', 0:'Total'})\
    .drop(columns='id')

最终输出效果 #

内容的提问来源于stack exchange，提问作者hansolo