Pandas DataFrame变形：将Movie_type转为列名、月份转为行值的实现

DevOps 小满

2026-10-2

问题描述

我刚学习Python，想要实现类似R语言中的数据框变形操作。目前我有结构为d1的DataFrame，需要转换为d2的结构：
d1的列包含：Country、Movie_type（取值为Action、Romance或Drama），以及Jan-20、Feb-20、Mar-20三个月份列。
d2的列需要包含：Country、Month-Year（取值为Jan-20、Feb-20或Mar-20），以及Action、Drama、Romance三类电影类型列（注：示例d2中仅Action列取值对应d1真实计数，Drama和Romance列未填充真实值）。
示例数据代码如下：

d1 = pd.DataFrame({
    "Country" : {0: "Australia",1: "Australia", 2:"Australia", 3:"Canada", 4:"Canada", 5:"Israel", 6:"India",7: "India", 8:"Poland", 9: "Zambia"},
    "Movie_type" : {0: "Action",1:"Drama",2: "Romance",3: "Romance",4: "Action",5: "Action",6: "Action",7: "Drama",8: "Drama",9:"Action"},
    "Jan-20" :{0: 0,1: 1,2: 2,3: 3,4: 0,5: 3,6: 2,7: 0,8: 2,9: 5},
    "Feb-20" :{0: 2,1: 3,2: 2,3: 1,4: 0,5: 0,6: 2,7: 4,8: 2,9: 7},
    "Mar-20" :{0: 1,1: 5,2: 2,3: 7,4: 4,5: 8,6: 2,7: 4,8: 5,9: 9}
})

d2 = pd.DataFrame({
    "Country" : {0: "Australia",1: "Australia", 2:"Australia", 3:"Canada", 4:"Canada", 5:"Canada", 6:"Israel",7: "Israel", 8:"Israel", 9: "India", 10: "India", 11: "India", 12: "Poland", 13: "Poland", 14: "Poland", 15: "Zambia", 16: "Zambia", 17: "Zambia"},
    "Month_year" : {0: "Jan-20",1: "Feb-20", 2:"Mar-20", 3: "Jan-20",4: "Feb-20", 5:"Mar-20",6: "Jan-20",7: "Feb-20", 8:"Mar-20",9: "Jan-20",10: "Feb-20", 11:"Mar-20",12: "Jan-20",13: "Feb-20", 14:"Mar-20",15: "Jan-20",16: "Feb-20", 17:"Mar-20"},
    "Action" :{0: 0,1: 0,2: 0,3: 0,4: 0,5: 0,6: 3,7: 0,8: 0,9: 2,10:0,11:0,12:0,13:0,14:0,15:5,16:0,17:0},
    "Drama" :{0: 0,1: 0,2: 0,3: 0,4: 0,5: 0,6: 0,7: 0,8: 0,9: 0,10:0,11:0,12:0,13:0,14:0,15:0,16:0,17:0},
    "Romance" :{0: 0,1: 0,2: 0,3: 0,4: 0,5: 0,6: 0,7: 0,8: 0,9: 0,10:0,11:0,12:0,13:0,14:0,15:0,16:0,17:0}
})

问题：如何实现将Movie_type的取值转为列名、原d1中MMM-YY格式的列名转为行值的需求？该需求属于stack/unstack/pivot中的哪类变形操作？

实现代码

你可以通过melt+pivot两步组合操作实现需求，最终生成的d2会自动填充所有电影类型的真实计数：

# 第一步：将月份列从列名转为行值（列转行）
d1_melt = d1.melt(
    id_vars=["Country", "Movie_type"],  # 保持不动的标识列
    var_name="Month_year",  # 存储原月份列名的新列名
    value_name="count"  # 存储原月份列对应值的新列名
)

# 第二步：将Movie_type的取值转为列名（行转列）
d2 = d1_melt.pivot(
    index=["Country", "Month_year"],  # 作为结果行标识的列
    columns="Movie_type",  # 要转为列名的字段
    values="count"  # 填充到新列中的数值
).reset_index().rename_axis(columns=None)  # 重置索引、清除多余的columns名称

# 可选：将缺失值填充为0，转为整数类型匹配示例格式
d2 = d2.fillna(0).astype({"Action": int, "Drama": int, "Romance": int})

操作类型说明

第一步melt属于**unpivot（列转行）**范畴，对应stack操作的反向逻辑：把原本分散在不同列的月份数据，收拢为同一列的不同行值
第二步pivot属于**pivot（行转列）**范畴，对应unstack操作的逻辑：把原本同一列的不同电影类型取值，展开为不同的列
该需求属于组合变形操作，需要先将维度之一的月份从列转成行，再将另一个维度的电影类型从行转成列，才能得到目标结构。

内容的提问来源于stack exchange，提问作者Alice Sult