Pandas如何实现列转索引、行转列得到目标转置数据表

实现代码 #

你可以通过先转换为长格式再透视的方式实现需求，完整可运行代码如下：

import pandas as pd

# 构造初始数据
a = {"A":[123],"B":[19],"C":[18],"J":[220],'name':['group_1']}
b = {"A":[123],"B":[80],"C":[10],"D":[3],'name':['group_2']}
df1 = pd.DataFrame(a)
df2 = pd.DataFrame(b)

# 合并数据（append方法已被pandas新版本弃用，推荐用concat实现追加）
df = pd.concat([df1, df2], ignore_index=True).fillna(0)

# 转换逻辑
# 1. 转长格式：把除name外的所有列转为维度值
df_long = df.melt(id_vars='name', var_name='item', value_name='value')
# 2. 透视得到目标格式，适配你给出的输出样式（A/B/C/D/J作为行索引）
result = df_long.pivot(index='item', columns='name', values='value')\
                .rename_axis(columns=None)\
                .rename_axis(index=None)\
                .astype(int)

输出的result完全符合你的预期：

group_1  group_2
A      123      123
B       19       80
C       18       10
D        0        3
J      220        0

如果需要把A/B/C/D/J转为普通列而非行索引，在透视代码末尾加上.reset_index()即可。

原代码问题说明 #

你之前的写法把A/B/C/D/J都设为透视表的行索引，是把这些字段作为分组统计的维度，自然无法将这些字段本身转为结果的行维度，需要先通过melt把列名转为数据内的维度值，再做透视即可。

内容的提问来源于stack exchange，提问作者ProcolHarum