pandas-python中Unstack列操作：实现DataFrame逆透视转换为指定格式

你需要的是长表转宽表的透视操作，你之前尝试的pd.melt是宽表转长表的方法，和需求方向相反；pd.unstack需要配合多层索引使用，直接调用无法得到预期结果。

以下是两种可直接运行的实现方案： #

方案1：透视表方法（支持处理同姓名同课程的多状态） #

如果同一个人同一门课存在多条状态记录，可以自定义聚合规则，比如合并多个状态为逗号分隔字符串：

import pandas as pd

# 原始数据
a = pd.DataFrame(
    columns=['Name','Title','Status'],
    data=[
        ['John','Course1','Finished'],
        ['Mike','Course2','Accepted'],
        ['Jim','Course1','Accepted'],
        ['Jhonny','Course3','Rejected'],
        ['Jhonny','Course3','Accepted']
    ]
)

# 生成宽表，同组合多状态合并为逗号分隔字符串
result = a.pivot_table(
    index='Name',
    columns='Title',
    values='Status',
    aggfunc=lambda x: ','.join(x)
).reset_index().rename_axis(columns=None)

运行后result的输出格式如下：

方案2：set_index + unstack 方法（适合无重复Name+Title组合的场景） #

如果你的数据中同一个人同一门课只会有一条记录，可以用该方法实现：

# 先按Name、Title去重，保留最后一条有效记录
a_dedup = a.drop_duplicates(subset=['Name', 'Title'], keep='last')
# 设两层索引后unstack课程列
result = a_dedup.set_index(['Name', 'Title'])['Status'].unstack(fill_value=pd.NA).reset_index().rename_axis(columns=None)

如果不需要空值填充，可以去掉fill_value=pd.NA参数，空值会默认填充NaN。

内容的提问来源于stack exchange，提问作者alb