使用Pandas按Class对表格进行部分逆透视的技术实现请求

先明确下需求：我们需要把原始表格中按Class字段拆分的年份数据（2017、2018），合并到同一ID的行中，生成带Class后缀的年份列（比如2017A、2018B），同时保留ID、Class和Type字段。

原始数据表格 #

期望结果表格 #

具体实现步骤（Pandas代码） #

我把整个过程拆成了几个清晰的步骤，方便理解和调试：

1. 加载原始数据

首先我们把原始数据转换成Pandas的DataFrame：

import pandas as pd
import numpy as np

# 构造原始数据
raw_data = {
    'ID': ['12A', '12B', '12A', '12B', '13A', '13C'],
    'Class': ['A', 'A', 'B', 'B', 'A', 'B'],
    'Type': ['Net', 'Gross', 'Net', 'Gross', 'Net', 'Net'],
    '2017': [1, np.nan, 3, 4, 5, 6],
    '2018': [7, 8, 9, 10, 11, 5]
}
df = pd.DataFrame(raw_data)

2. 转换成长格式（Melt）

我们先把固定的年份列（2017、2018）转成长格式，这样方便后续和Class字段组合：

# 将年份列转为长格式，保留ID和Class作为标识
melted_df = df.melt(
    id_vars=['ID', 'Class'],
    value_vars=['2017', '2018'],
    var_name='Year',
    value_name='Value'
)

3. 生成新的年份- Class列名

把年份和Class拼接成目标中的新列名（比如2017A、2018B）：

# 组合年份和Class，生成新的列名前缀
melted_df['Year_Class'] = melted_df['Year'] + melted_df['Class']

4. 透视回宽格式（Pivot）

现在把长格式的数据透视回宽格式，每个ID对应一行，新的年份- Class作为列：

# 透视成宽格式，ID作为唯一标识
pivoted_df = melted_df.pivot(
    index='ID',
    columns='Year_Class',
    values='Value'
).reset_index()

5. 合并元数据（Class、Type）

因为同一个ID的Type是唯一的，Class我们取该ID首次出现的值（和目标表格一致），把这些元数据合并到透视后的结果中：

# 获取每个ID对应的Class和Type（保留第一条记录的值）
id_metadata = df.drop_duplicates(subset='ID')[['ID', 'Class', 'Type']]

# 合并元数据和透视后的年份数据
final_df = pd.merge(id_metadata, pivoted_df, on='ID', how='left')

6. 调整列顺序

最后调整列的顺序，和期望结果完全匹配：

# 按目标表格的列顺序重新排列
final_df = final_df[['ID', 'Class', 'Type', '2017A', '2018A', '2017B', '2018B']]

# 查看结果
print(final_df)

运行这段代码后，你就能得到和期望完全一致的表格了。

内容的提问来源于stack exchange，提问作者S.Gu