基于列数据动态转换pandas DataFrame的实现问题求助

你需要实现的是长表转宽表的需求，直接使用pandas内置的pivot/pivot_table方法即可实现，无需手动写循环拆分再拼接，自动适配任意数量的年份，代码更简洁不易出错。

最优实现方案 #

import pandas as pd

# 读入原始数据
df = pd.read_csv("你的数据文件路径.csv")

# 核心转换逻辑
result = df.pivot(
    # 固定作为行标识的公共列
    index=['Country', 'state', 'sex', 'dist'],
    # 要扩展为列名的字段
    columns='Year',
    # 列对应的值来源字段
    values='population'
# 把索引还原为普通列，匹配预期输出格式
).reset_index()

# 若存在年份缺失需要填充为0，可加以下代码
# result = result.fillna(0)

如果你的数据中存在同一个Country+state+sex+dist+Year组合有多条重复记录的情况，改用pivot_table指定聚合规则即可：

result = df.pivot_table(
    index=['Country', 'state', 'sex', 'dist'],
    columns='Year',
    values='population',
    # 可替换为'mean'/'max'等符合业务需求的聚合函数
    aggfunc='sum'
).reset_index()

原循环写法的修正方案 #

如果你需要沿用循环的实现思路，你原来的代码主要有三个问题：

1. 筛选条件里的df.SERIAL是笔误，原数据的年份列名是Year
2. 列表中存入的是变量名字符串，不是实际的DataFrame对象
3. 没有将population列重命名为对应年份，也没有基于公共键做拼接，直接横向拼接会出现行不匹配的问题

修正后的代码如下：

import pandas as pd
from functools import reduce

df = pd.read_csv("你的数据文件路径.csv")
serial = df.Year.unique()
df_list = []

for year in serial:
    # 筛选对应年份的数据
    year_df = df.loc[df['Year'] == year].copy()
    # 重命名population列为年份值
    year_df = year_df.rename(columns={'population': str(year)})
    # 删除冗余的Year列避免后续拼接冲突
    year_df = year_df.drop(columns=['Year'])
    df_list.append(year_df)

# 基于公共键做多表合并
result = reduce(
    lambda left, right: pd.merge(
        left, right, 
        on=['Country', 'state', 'sex', 'dist'], 
        how='outer'
    ), 
    df_list
)

内容的提问来源于stack exchange，提问作者jagan k