You need to enable JavaScript to run this app. 使用pd.pivot在Python中实现数据透视:按Attribute列转换并将NaN替换为0
优惠活动
大模型
产品
解决方案
定价
更多

使用pd.pivot在Python中实现数据透视:按Attribute列转换并将NaN替换为0

用pandas实现Attribute列透视并替换空值为0的操作方法

具体操作步骤

  • 数据加载
    先将待处理的长格式原始数据读入为pandas DataFrame,可根据原始数据的存储格式选择对应的加载接口,比如pd.read_csv()、pd.read_excel()。
  • 执行核心透视转换
    根据原始数据的条目重复情况,选择对应的透视实现方式:

    如果原始数据中不存在「行标识列 + Attribute列」的重复组合,可直接使用pd.pivot()完成转换:

    pivot_result = df.pivot(
        index="你的行唯一标识列名",  # 替换为原始数据中作为行主键的列,比如样本ID、分组名称列
        columns="Attribute",  # 固定指定将Attribute列的所有唯一取值展开为新表的列名
        values="存储属性值的列名"  # 替换为原始数据中存放属性对应量化值的列
    )
    

    如果原始数据中存在「同标识、同Attribute」的重复条目,直接使用pd.pivot()会触发值重复报错,可使用兼容重复场景的pd.pivot_table()实现,只需指定简单的聚合逻辑即可适配:

    pivot_result = pd.pivot_table(
        index="你的行唯一标识列名",
        columns="Attribute",
        values="存储属性值的列名",
        aggfunc="first"  # 重复值场景下默认取第一个匹配值,可按需替换为sum、mean等聚合规则
    )
    
  • 空值统一替换
    透视操作完成后,所有没有匹配到对应数值的单元格会默认生成NaN,通过fillna()方法将其全部替换为0,同时重置索引去掉透视表生成的层级索引,匹配最终的平表格式:
    final_result = pivot_result.fillna(0).reset_index()
    

结果核对要点

  • 检查展开后的列是否完整覆盖了原始数据里Attribute列的所有唯一取值
  • 确认表内没有残留的NaN值,所有空单元格都已替换为0
  • 核对行维度和原始数据完全一致,没有出现行丢失、行重复的问题

内容的提问来源于stack exchange,提问作者cbirole

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.07 11:15:03