如何在Python中将pandas DataFrame转换为指定矩阵格式？

不需要额外安装第三方模块，直接用pandas自带的pivot_table和crosstab函数即可完成需求，操作步骤如下：

1. 预处理数据 #

你提供的DataFrame已经自带model、scenario、module三层索引，我们先拼接模型和场景名称为单个字段，方便后续聚合展示：

import pandas as pd

# 你提供的df.to_dict()数据
data = {
    'Infrastructure': {
        ('AIM/CGE 2.0', 'ADVANCE_2020_1.5C-2100', 'wind_total_share'): 'high',
        ('AIM/CGE 2.0', 'SSP1-19', 'wind_total_share'): 'high',
        ('AIM/CGE 2.0', 'SSP2-19', 'wind_total_share'): 'high',
        ('AIM/CGE 2.1', 'CD-LINKS_NPi2020_400', 'wind_total_share'): 'high',
        ('AIM/CGE 2.1', 'TERL_15D_LowCarbonTransportPolicy', 'wind_total_share'): 'medium',
        ('AIM/CGE 2.1', 'TERL_15D_NoTransportPolicy', 'wind_total_share'): 'medium',
        ('GCAM 4.2', 'SSP1-19', 'wind_total_share'): 'medium',
        ('IMAGE 3.0.1', 'IMA15-AGInt', 'wind_total_share'): 'low',
        ('IMAGE 3.0.1', 'IMA15-Def', 'wind_total_share'): 'low',
        ('IMAGE 3.0.1', 'IMA15-Eff', 'wind_total_share'): 'low'
    },
    'Investment': {
        ('AIM/CGE 2.0', 'ADVANCE_2020_1.5C-2100', 'wind_total_share'): 'high',
        ('AIM/CGE 2.0', 'SSP1-19', 'wind_total_share'): 'high',
        ('AIM/CGE 2.0', 'SSP2-19', 'wind_total_share'): 'high',
        ('AIM/CGE 2.1', 'CD-LINKS_NPi2020_400', 'wind_total_share'): 'high',
        ('AIM/CGE 2.1', 'TERL_15D_LowCarbonTransportPolicy', 'wind_total_share'): 'medium',
        ('AIM/CGE 2.1', 'TERL_15D_NoTransportPolicy', 'wind_total_share'): 'medium',
        ('GCAM 4.2', 'SSP1-19', 'wind_total_share'): 'medium',
        ('IMAGE 3.0.1', 'IMA15-AGInt', 'wind_total_share'): 'low',
        ('IMAGE 3.0.1', 'IMA15-Def', 'wind_total_share'): 'low',
        ('IMAGE 3.0.1', 'IMA15-Eff', 'wind_total_share'): 'low'
    }
}
# 构造DataFrame并给索引命名
df = pd.DataFrame(data)
df.index.names = ['model', 'scenario', 'module']

# 拼接模型和场景名称为新字段
df['model_scenario'] = df.index.get_level_values('model') + ' - ' + df.index.get_level_values('scenario')

2. 生成模型场景名称填充矩阵 #

以Investment分类为y轴，Infrastructure分类为x轴，单元格内填充对应分类下的所有模型+场景名称：

# 指定分类顺序，保证x/y轴按low→medium→high排序
level_order = ['low', 'medium', 'high']

name_matrix = df.pivot_table(
    index='Investment', # y轴是Investment分类
    columns='Infrastructure', # x轴是Infrastructure分类
    values='model_scenario', # 填充值为拼接好的模型场景名称
    aggfunc=lambda x: '\n'.join(x), # 多个值用换行分隔，需要逗号分隔改成', '.join(x)即可
    fill_value='' # 空单元格填充空字符串
).reindex(index=level_order, columns=level_order) # 校正轴的顺序

3. 生成场景数量计数矩阵 #

直接用crosstab即可快速统计每个分类交叉下的场景数量：

count_matrix = pd.crosstab(
    df['Investment'],
    df['Infrastructure']
).reindex(index=level_order, columns=level_order)

结果说明 #

你提供的样例数据中，所有场景的Infrastructure和Investment分类等级完全一致，所以最终生成的两个矩阵都只有对角线上有值，其余单元格为空/0。如果后续有分类等级不同的场景，会自动填充到对应的交叉单元格中。

如果需要导出结果，直接调用to_excel方法即可：

name_matrix.to_excel('模型场景名称矩阵.xlsx')
count_matrix.to_excel('场景数量计数矩阵.xlsx')

内容的提问来源于stack exchange，提问作者hbstha123