Python与Pandas：多列作为索引时如何使用unstack或pivot？

嘿，我来帮你搞定这个需求！首先得明确你的原始DataFrame应该是长格式的（比如包含一个唯一标识行的列，比如ID，加上Property和Value列），举个直观的例子：

原始DataFrame示例：

ID	Property	Value
1	Height	175
1	Weight	70
2	Height	180
2	Weight	80

你想要转成宽格式，把Property的取值变成列名，对应的Value填充进去对吧？下面给你几种靠谱的实现方法：

方法1：用pivot（最直观的长转宽工具） #

pivot就是专门为这种场景设计的，直接指定行索引、列名来源和值的来源即可：

# 这里的'ID'是你的唯一标识列，根据实际数据替换成自己的列名
df_wide = df.pivot(index='ID', columns='Property', values='Value')

# 如果不想保留顶部的"Property"列标签，再加两步处理
df_wide = df_wide.reset_index()
df_wide.columns.name = None

执行后就能得到你期望的结构：

转换后的DataFrame：

ID	Height	Weight
1	175	70
2	180	80

方法2：用unstack（适合已有多级索引的场景） #

如果想用unstack，需要先把分组列和Property设置为多级索引，再对Property层级执行unstack操作：

# 设置多级索引，只保留Value列，再展开Property层级
df_wide = df.set_index(['ID', 'Property'])['Value'].unstack('Property')

# 同样可以重置索引并去掉列名标签
df_wide = df_wide.reset_index()
df_wide.columns.name = None

这个方法和pivot效果完全一致，适合已经有索引结构的数据集。

处理重复值的特殊情况 #

如果你的原始数据里，同一个ID+Property组合有多行记录，pivot会直接报错。这时候可以用pivot_table，指定聚合函数来合并重复值，比如取第一个值、平均值或者求和：

# 这里用aggfunc='first'取第一个出现的值，你可以换成'mean'/'sum'等聚合方式
df_wide = df.pivot_table(
    index='ID',
    columns='Property',
    values='Value',
    aggfunc='first'
).reset_index()
df_wide.columns.name = None

内容的提问来源于stack exchange，提问作者bwrabbit