拆分DataFrame表头提取日期列后如何实现数据透视转换

你当前的需求属于典型的宽表转长表场景，直接使用pandas内置的melt方法即可实现，无需自定义lambda函数或者pivot相关方法，代码更简洁易维护。

核心实现代码 #

import pandas as pd

# 假设你的原始DataFrame命名为df，核心转换逻辑如下
result = df.melt(
    id_vars=['Gerencia'],  # 指定不需要转换的固定维度列
    var_name='统计日期',  # 原表头的日期值会存入该新增列
    value_name='指标数值'  # 原表格内的数值会存入该新增列
)

# 可选：将统计日期转为datetime格式，方便后续按日期维度做聚合计算
result['统计日期'] = pd.to_datetime(result['统计日期'])

转换后效果示例 #

Gerencia      统计日期      指标数值
0  Ingeniería de Producción 2021-01-01  17.451383
1  Ingeniería de Producción 2021-01-01   0.000000
2  Ingeniería de Producción 2021-01-01  17.437412
3  Ingeniería de Producción 2021-02-01   7.633112
4  Ingeniería de Producción 2021-02-01   0.000000
5  Ingeniería de Producción 2021-02-01  14.656419
6  Ingeniería de Producción 2021-03-01   4.461760
7  Ingeniería de Producción 2021-03-01   0.000000
8  Ingeniería de Producción 2021-03-01   2.871140

后续聚合示例 #

转换后可以直接用groupby实现多维度聚合，比如按月份+部门统计指标总和：

monthly_total = result.groupby(
    [pd.Grouper(key='统计日期', freq='M'), 'Gerencia']
)['指标数值'].sum().reset_index()

内容的提问来源于stack exchange，提问作者Ari Blit