如何实现Pandas DataFrame列转行(宽格式表转换为长格式表)
Pandas 数据结构转换解决方案
实现思路
你需要的是典型的宽表-长表互转操作,先把年份列从列维度转为行维度,再把指标名称从行维度转为列维度即可完成转换,完整实现代码如下:
完整代码
import pandas as pd import numpy as np # 1. 加载样例数据(实际使用时替换为自身的DataFrame读取逻辑即可) raw_data = { 1: {'Country': 'England', 'Subject Descriptor': 'Real GDP', '2011': '8,248.62', '2012': '8,835.39', '2013': '9,478.98', '2014': '10,224.38', '2015': '11,057.94', '2016': '11,477.97', np.nan: np.nan}, 2: {'Country': 'England', 'Subject Descriptor': 'Nom GDP', '2011': '15,158.02', '2012': '17,328.64', '2013': '19,758.15', '2014': '22,504.79', '2015': '25,424.83', '2016': '27,749.64', np.nan: np.nan}, 3: {'Country': 'England', 'Subject Descriptor': 'GDP defl', '2011': '183.764', '2012': '196.128', '2013': '208.442', '2014': '220.109', '2015': '229.924', '2016': '241.764', np.nan: np.nan}, 4: {'Country': 'Italy', 'Subject Descriptor': 'Real GDP', '2011': '56.524', '2012': '60.712', '2013': '64.55', '2014': '67.025', '2015': '69.893', '2016': '69.322', np.nan: np.nan}, 5: {'Country': 'Italy', 'Subject Descriptor': 'Nom GDP', '2011': '122.5', '2012': '136.911', '2013': '152.39', '2014': '163.456', '2015': '172.759', '2016': '178.37', np.nan: np.nan}, 6: {'Country': 'Italy', 'Subject Descriptor': 'GDP defl', '2011': '216.722', '2012': '225.509', '2013': '236.082', '2014': '243.873', '2015': '247.176', '2016': '257.306', np.nan: np.nan} } df = pd.DataFrame.from_dict(raw_data, orient='index') # 2. 预处理:删除全空的无效列,把数值中的千分位逗号替换后转为浮点型 df = df.dropna(axis=1, how='all') year_cols = ['2011','2012','2013','2014','2015','2016'] df[year_cols] = df[year_cols].replace(',', '', regex=True).astype(float) # 3. 转换第一步:将年份列从列维度转为行维度 df_long = df.melt( id_vars=['Country', 'Subject Descriptor'], value_vars=year_cols, var_name='Year', value_name='Value' ) # 4. 转换第二步:将指标名称从行维度转为列维度 df_result = df_long.pivot( index=['Country', 'Year'], columns='Subject Descriptor', values='Value' ).reset_index() # 输出验证结果 print(df_result)
效果说明
运行后得到的df_result就是目标结构,每一行对应一个国家+一个年份,列分别为国家、年份、实际GDP、名义GDP、GDP平减指数,该方法适配大规模数据处理,时间复杂度为线性。
内容的提问来源于stack exchange,提问作者James
相关产品推荐
相关产品推荐

