Pandas按港口筛选后转置DataFrame，将货运类型转为列、日期设为索引

你可以通过melt + pivot的组合逻辑实现需求，代码如下：

import pandas as pd
import io  

# 原始数据读取
df_s = """freight_type; port; 2020-01-01; 2020-01-02; 2020-01-03; 2020-01-04; 2020-01-05
rail; qd; 51204; 1024151; 100510; 715011; 1004151
vessel; qd; 81294; 1024151; 100510; 715011; 1004151
truck; qd; 59434; 756151; 100510; 715011; 1004151 
rail; ts; 199952; 521151; 100510; 715011; 1004151
vessel; ts; 515254; 224151; 100510; 715011; 1004151
truck; ts; 512552; 104151; 100510; 715011; 1004151
"""
df = pd.read_csv(io.StringIO(df_s), sep="; ", engine='python')

# 1. 筛选指定港口数据，这里以qd港口为例
port_df = df[df['port'] == 'qd'].copy()

# 2. 先把宽表的日期列转为长表格式
port_df_long = port_df.melt(id_vars=['freight_type', 'port'], 
                            var_name='date', 
                            value_name='exp')

# 3. 透视表将货运类型转为列，日期设为索引
port_qd_df = port_df_long.pivot(index='date', 
                                columns='freight_type', 
                                values='exp')

# 4. 重命名列名满足要求
port_qd_df.columns = [f"{col}_exp" for col in port_qd_df.columns]
# 可选：重置索引把date从索引变成普通列
port_qd_df = port_qd_df.reset_index()

执行后port_qd_df输出如下：

注：你给出的预期示例中日期全部重复为2020-01-01属于笔误，实际输出会按真实日期区分。

可选：用wide_to_long实现 #

如果你想用pd.wide_to_long实现，代码如下：

port_df = df[df['port'] == 'qd'].copy()
# 先把日期列统一加前缀方便wide_to_long识别
port_df = port_df.rename(columns={col:f"exp_{col}" for col in port_df.columns if '-' in col})
port_df_long = pd.wide_to_long(port_df, 
                               stubnames='exp', 
                               i=['port', 'freight_type'], 
                               j='date',
                               sep='_').reset_index()
port_qd_df = port_df_long.pivot(index='date', columns='freight_type', values='exp').add_suffix('_exp').reset_index()

效果和前面的方法完全一致。

内容的提问来源于stack exchange，提问作者cmp