Pandas中Series数据透视问题求助：将分类标签转为列

嘿，我明白你的困扰了！你遇到的问题核心在于groupby生成的Series是多级索引结构，而pivot是DataFrame专属方法，直接用肯定报错；就算转成DataFrame，如果没处理好索引，也没法正确执行pivot。我给你两种简单靠谱的解决方案：

方法1：直接用Series的unstack()（最便捷） #

GroupBy得到的Series通常带有多级索引（比如你分组的键+Classification），unstack()可以直接把指定的索引层级转成列，完美匹配你的需求：

示例代码 #

import pandas as pd

# 先模拟你的数据场景
df = pd.DataFrame({
    'GroupKey': ['X', 'X', 'Y', 'Y'],  # 假设你还有其他分组键
    'Classification': ['ClassA', 'ClassB', 'ClassA', 'ClassB'],
    'Samples': [15, 25, 35, 45]
})

# 模拟你生成Series的groupby操作
grouped_series = df.groupby(['GroupKey', 'Classification'])['Samples'].sum()

# 重点：用unstack把Classification转成列
result = grouped_series.unstack('Classification')

执行后result就是你想要的宽表：GroupKey作为行索引，ClassA、ClassB作为列，对应的值是Samples的聚合结果。

方法2：转DataFrame后用pivot（需先重置索引） #

如果你一定要用pivot，得先把多级索引的Series转换成普通DataFrame，把索引里的字段（包括Classification）都变成列：

示例代码 #

# 把Series转成带列名的DataFrame，并重置索引
df_from_series = grouped_series.reset_index(name='Samples')

# 现在可以用pivot了，指定行、列、值对应的字段
result = df_from_series.pivot(
    index='GroupKey',  # 行索引保留的字段
    columns='Classification',  # 要转成列的字段
    values='Samples'  # 对应列的值
)

为什么之前转DataFrame没用？ #

你之前直接转DataFrame的话，应该是pd.DataFrame(grouped_series)，这样得到的DataFrame只有一列Samples，而Classification还在索引里，不是普通列，所以pivot找不到对应的字段才会失败。必须用reset_index()把索引拆成普通列才行。

两种方法都能达到你的需求，推荐用unstack()，更简洁高效～

内容的提问来源于stack exchange，提问作者aabujamra