如何转换Pandas DataFrame，以国家为行索引、日期为列、A列为填充值

你要实现的是长表转宽表的操作，Pandas里有专门的函数可以直接实现，不需要复杂的自定义逻辑，以下是两种常用可行方案：

方案1：使用pivot方法（数据无重复国家+日期组合时优先用） #

如果原数据中不存在同一个国家同一日期对应多条记录的情况，直接调用pivot方法即可：

import pandas as pd
# 假设你的原DataFrame名为df
result_df = df.pivot(index='Country', columns='Date', values='A')

如果转换后不需要保留列名的轴标签，可以追加一步重置操作：

result_df = result_df.rename_axis(columns=None).reset_index()

方案2：使用pivot_table方法（存在重复国家+日期组合时用） #

如果存在同一个国家同一日期有多条记录的情况，pivot会直接报错，这时用pivot_table指定重复值的聚合规则即可，比如重复时取A列的平均值：

result_df = df.pivot_table(
    index='Country',
    columns='Date',
    values='A',
    aggfunc='mean' # 也可以替换成sum、max等你需要的聚合逻辑
)

groupby未生效的原因 #

如果你想用groupby实现也可以，需要配合unstack操作：

result_df = df.groupby(['Country', 'Date'])['A'].mean().unstack(level='Date')

之前只做groupby没有后续的unstack操作的话，得到的还是分层索引的长表结构，自然不符合宽表的预期。

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