如何将元组列表转换为DataFrame单行并折叠透视表？

嘿，我懂你的需求——把元组列表转换成单行DataFrame，每个元组的第一个元素作为列名，第二个作为对应列的值。你尝试用pivot的思路方向是对的，但可能没找到最直接的实现方式，我给你两种实用的解决方案：

方法1：直接从元组列表构造（最简洁） #

如果你的元组列表是类似 [('col_a', 10), ('col_b', 20), ('col_c', 30)] 这样的格式，直接把它转换成字典，再用字典生成单行DataFrame就好：

import pandas as pd

# 你的元组列表
tuple_list = [('name', 'Bob'), ('score', 85), ('subject', 'Math')]

# 转成字典：键是列名，值是对应单元格内容
data_dict = dict(tuple_list)

# 生成单行DataFrame（注意要把字典放在列表里，否则会按列生成）
df_single_row = pd.DataFrame([data_dict])

运行后df_single_row就是你要的单行结果，列名是元组的第一个元素，对应值完美匹配。

方法2：从已有两列DataFrame转换（适合你已经做了第一步转换的情况） #

如果你已经把元组列表转成了包含t1（列名）和t2（值）的两列DataFrame，比如：

test = pd.DataFrame(tuple_list, columns=['t1', 't2'])

那不用复杂的pivot，直接用set_index加转置就能得到单行：

# 设置t1为索引，然后转置（T）把行转成列，列转行
test2 = test.set_index('t1').T

# 如果不需要保留原来的索引，可以重置索引
test2 = test.set_index('t1').T.reset_index(drop=True)

为什么你的pivot没得到预期结果？ #

当你执行test.pivot(index=None, columns='t1', values='t2')，其实结果已经是单行，但pivot会保留默认的索引（比如0），而且列名是t1的取值。你可以在pivot后加上.reset_index(drop=True)来去掉多余的索引，但相比之下set_index().T的写法更直观高效。

内容的提问来源于stack exchange，提问作者trystuff