Pandas使用pivot转换DataFrame 按Year为列取X值得到目标格式

问题原因 #

你之前使用df.pivot(columns='Year',values='X')没有得到预期结果，是因为没有指定行索引为Date列，方法会默认复用原DataFrame的行索引作为结果的行索引，最终会生成和原数据行数一致、大部分为缺失值的结果。

正确实现代码 #

可以直接使用带index参数的pivot方法，配合后续处理匹配目标格式：

# 基础转换
res = df.pivot(index='Date', columns='Year', values='X')
# 填充缺失值为NA，删除Date索引列得到最终结果
final_res = res.fillna('NA').reset_index(drop=True)

如果你的数据中存在同年、同月、同Date的重复记录，可改用pivot_table指定聚合规则避免报错：

res = df.pivot_table(
    index='Date', 
    columns='Year', 
    values='X',
    aggfunc='first' # 重复时取第一条，可根据需求调整为mean、sum等
)
final_res = res.fillna('NA').reset_index(drop=True)

输出结果验证 #

运行后final_res的结构和你需要的目标格式完全一致：

如果需要输出为制表符分隔的纯文本格式，可以在最终结果上调用：

print(final_res.to_csv(sep='\t', index=False))

即可得到和你给出的示例完全一致的文本输出。

内容的提问来源于stack exchange，提问作者makarand kulkarni