如何实现Pandas DataFrame到指定透视结构的格式转换

实现代码 #

import pandas as pd

# 示例数据构造
sample = {'Country' : ["US","US","US","UK","UK","UK"],
          "Indicator": ["Tax","Import","Export","Tax","Import","Export"],
          "2019":[1,2,3,4,5,6],
          "2020":[7,8,9,10,11,12],
          "2021":[13,14,15,16,17,18]}
sample_df = pd.DataFrame(sample)

# 核心转换逻辑
# 第一步：把年份列从宽格式转成长格式
melted_df = sample_df.melt(id_vars=["Country", "Indicator"], var_name="Date", value_name="Val")
# 第二步：把Indicator维度从行转成列
target_df = melted_df.pivot(index=["Country", "Date"], columns="Indicator", values="Val").reset_index()
# 清除列名的额外标识，和目标结构完全对齐
target_df.columns.name = None

逻辑说明 #

• melt操作保留Country、Indicator两列不动，将散列的2019/2020/2021年份列收拢为统一的Date字段，对应数值存入Val字段
• pivot操作按Country、Date分组，把Indicator的不同取值（Tax/Import/Export）展开为独立列，对应位置填充匹配的数值
• 最后重置索引、清除列名标识，输出结果和你要求的目标结构完全一致

内容的提问来源于stack exchange，提问作者weirdaxe