如何在pandas中创建数据透视表，将行值转列并按日期拆分独立行

这是典型的长表转宽表操作，你需要的分组逻辑可以直接通过pivot_table的index参数指定，无需额外做分组处理：

实现代码 #

import pandas as pd

# 方法1：通用pivot_table实现（兼容存在重复行的场景）
res = df.pivot_table(
    # index指定需要保留的公共维度，相同取值的行会合并为一条
    index=["id", "name", "date"],
    columns="measure",  # 要转为列名的列
    values="result",    # 新列的取值来源列
    aggfunc="first"     # 同维度下重复值的聚合规则，这里取第一条即可
).reset_index()  # 将index中的公共维度还原为普通列

# 可选：将默认填充的NaN替换为示例中的None
res = res.where(res.notna(), None)

如果你的原始数据不存在id+name+date+measure四列重复的情况，也可以用更简洁的pivot方法实现：

# 方法2：无重复数据场景的简化写法
res = df.pivot(
    index=["id", "name", "date"],
    columns="measure",
    values="result"
).reset_index().where(res.notna(), None)

参数说明 #

你提到的不同年份的分组逻辑已经被index参数中的date列覆盖，工具会自动将相同id+name+date的行合并，不同日期的行单独保留，最终输出格式和你期望的结果完全匹配。

内容的提问来源于stack exchange，提问作者aj3409