Pandas如何生成保留原始行顺序的pivot table（数据透视表）

我们可以通过Python+Pandas实现需求，全程不会打乱数据集的原始排序：

步骤1：导入数据集 #

可以直接读取你给出的HTML表格，或是已经导出的CSV文件，自动保留原始行顺序：

import pandas as pd
# 读取本地HTML表格
df = pd.read_html("你的HTML文件路径")[0]
# 若已导出为CSV可以用以下代码读取
# df = pd.read_csv("你的数据集文件路径.csv")

步骤2：关联AMG子分类与对应主分类 #

你提到AMG是它上方最近的非AMG分类的子项，我们可以通过向前填充的方式生成主分类关联列：

# 非AMG行的主分类为自身category值，AMG行沿用最近的非AMG分类名
df["主分类"] = df["category"].where(df["category"] != "AMG").ffill()

步骤3：按要求格式输出 #

# 按主分类分组输出，注意必须加sort=False参数，避免Pandas默认按分类名排序打乱原始顺序
for main_cat, group in df.groupby("主分类", sort=False):
    # 先输出主分类的核心指标
    main_row = group[group["category"] != "AMG"].iloc[0]
    print(f"{main_cat} | {main_row['segment']} | {main_row['ytd2018']} | {main_row['ytd2019']} | {main_row['Evolution']}")
    # 再输出该主分类下的所有AMG子项
    amg_rows = group[group["category"] == "AMG"]
    for _, amg_row in amg_rows.iterrows():
        print(f"  AMG {main_cat} | {amg_row['segment']} | {amg_row['ytd2018']} | {amg_row['ytd2019']} | {amg_row['Evolution']}")

效果说明 #

输出的主分类顺序完全匹配你原始数据中的非AMG分类出现顺序：Abcd → LEP → Perq → Lio → HEPT → Slid → NPD，每个主分类下的AMG子项顺序也和原始数据中该主分类后紧跟的AMG行顺序完全一致，完全符合保留原始排序的核心要求。

内容的提问来源于stack exchange，提问作者nikita1221