Pandas DataFrame值列转换：将值转列、年份转为值的最简方法

嘿，这个需求我之前处理过类似的报表转换，用Pandas的数据重塑组合操作就能一步链式调用搞定，完全贴合你的格式要求，不需要复杂的循环或者额外处理。

先构造原始测试数据 #

方便你直接复制测试：

import pandas as pd

# 还原你提供的原始DataFrame
df = pd.DataFrame({
    'Value': ['Employees', 'Computers', 'Employees', 'Computers', 'Monitors'],
    '2013': [10, 20, 4, 1, 5],
    '2014': [12, 2, 13, 8, 1],
    'Company Name': ['Aviators', 'Aviators', 'Mouses', 'Mouses', 'Mouses']
})

核心转换代码（最简链式调用） #

# 一步完成所有格式转换
result = (df
          # 第一步：把年份列（2013/2014）转成行数据，生成Year和Count列
          .melt(id_vars=['Value', 'Company Name'], 
                var_name='Year', value_name='Count')
          # 第二步：把Value列的内容转成新列，按公司+年份分组填充数据
          .pivot_table(index=['Company Name', 'Year'], 
                       columns='Value', values='Count', fill_value=None)
          # 第三步：把索引转成普通列，调整列顺序匹配需求
          .reset_index()
          .reindex(columns=['Year', 'Employees', 'Computers', 'Monitors', 'Company Name'])
          # 可选：匹配你示例中的列名大小写
          .rename(columns={'Company Name': 'Company name'})
)

关键步骤解释 #

• melt函数：把原始宽表中的2013、2014列「融化」成Year列，对应的数值存入Count列，保留Value和Company Name作为分组标识，这一步实现了把年份从列转为行数据的核心需求。
• pivot_table函数：把Value列的每个唯一值（Employees/Computers/Monitors）转成新的列，用Company Name+Year作为行的唯一标识，自动填充缺失值为NaN（完美匹配你示例中的空值）。
• reset_index+reindex：把之前作为索引的Company Name和Year转成普通列，再手动调整列的顺序，让Year在最前面，Company name在最后一列，完全符合你要求的格式。

最终输出结果 #

运行后print(result)会得到和你示例完全一致的格式：

Year  Employees  Computers  Monitors Company name
0  2013       10.0       20.0       NaN     Aviators
1  2014       12.0        2.0       NaN     Aviators
2  2013        4.0        1.0       5.0       Mouses
3  2014       13.0        8.0       1.0       Mouses

内容的提问来源于stack exchange，提问作者George