Power BI中如何将按行重复分组的表数据转换为列式结构化表

核心思路：你的数据是固定每4行对应一条完整的时间维度指标数据，所以只要先给每一组4行分配相同的分组标识，再做透视就可以完成转换，以下是两种常用场景的实现方案：

Python Pandas 实现 #

你之前pivot失败是因为缺少分组标识，补充分组后即可正常透视，代码如下：

import pandas as pd
# 假设你的原始数据已经读入为df，列名为Column1、Column2
# 生成每4行一组的分组ID
df['group_id'] = df.index // 4
# 透视转换
df_pivot = df.pivot(index='group_id', columns='Column1', values='Column2').reset_index(drop=True)
# 调整列名顺序和格式（可选）
df_pivot = df_pivot[['Date', 'Mem usage', 'CPU usage', 'Disk usage']]
df_pivot.columns = ['Date', 'Mem Usage', 'CPU Usage', 'Disk Usage']
print(df_pivot)

SQL 实现（MySQL 8.0+/PostgreSQL/SQL Server通用思路） #

如果是在数据库中处理，可以先通过窗口函数生成分组ID，再用条件聚合转宽表：

WITH t AS (
    SELECT 
        Column1,
        Column2,
        -- 按行排序后每4行分一组
        FLOOR((ROW_NUMBER() OVER(ORDER BY (SELECT NULL)) -1)/4) AS group_id
    FROM 你的原始表名
)
SELECT 
    MAX(CASE WHEN Column1 = 'Date' THEN Column2 END) AS Date,
    MAX(CASE WHEN Column1 = 'Mem usage' THEN Column2 END) AS `Mem Usage`,
    MAX(CASE WHEN Column1 = 'CPU usage' THEN Column2 END) AS `CPU Usage`,
    MAX(CASE WHEN Column1 = 'Disk usage' THEN Column2 END) AS `Disk Usage`
FROM t
GROUP BY group_id
ORDER BY group_id;

内容的提问来源于stack exchange，提问作者user13320137