Pandas如何正确转置列，将多行DataFrame转为同一行多列？

首先先明确你的原始数据和目标格式：

原始DataFrame：

目标格式：

（注：因为有5行数据，后缀会自动延伸到ab，如果你只需要x/y/z的话，可以根据实际行数调整序号逻辑，下面的方案是通用版）

下面是具体的实现步骤，用Pandas就能轻松搞定：

步骤1：准备示例数据（如果你的数据已经存在可以跳过） #

import pandas as pd

# 构造你的原始数据
data = {
    'name_by_day': ['20170901'] * 5,
    'name': ['2017090101', '2017090102', '2017090103', '2017090104', '2017090105'],
    'a': [118, 117, 88, 99, 87],
    'b': [241] * 5
}
df = pd.DataFrame(data)

步骤2：生成分组内的序号并转换为后缀 #

我们需要给每个name_by_day分组里的每行分配一个唯一标识，用来生成a_x、b_x这类列名的后缀：

# 给每个分组内的行生成递增序号（从0开始）
df['seq'] = df.groupby('name_by_day').cumcount()

# 将序号转换为x、y、z...的后缀（0→x，1→y，以此类推）
df['suffix'] = df['seq'].apply(lambda x: chr(ord('x') + x))

步骤3：重塑数据并生成新列名 #

用melt把宽格式转成长格式，方便我们拼接列名和后缀：

# 把a、b列转成行，保留name_by_day和suffix作为标识
df_melted = df.melt(
    id_vars=['name_by_day', 'suffix'],
    value_vars=['a', 'b'],
    var_name='original_col'
)

# 拼接原始列名和后缀，得到新列名（比如a_x、b_x）
df_melted['new_col'] = df_melted['original_col'] + '_' + df_melted['suffix']

步骤4：转换为目标宽格式 #

最后用pivot把数据转回宽格式，再调整列的顺序让它更符合你的预期：

# 转成宽格式
result = df_melted.pivot(
    index='name_by_day',
    columns='new_col',
    values='value'
).reset_index()

# 按后缀的顺序排列列（x→y→z...）
sorted_columns = sorted(result.columns[1:], key=lambda col: col[-1])
result = result[['name_by_day'] + sorted_columns]

# 查看结果
print(result)

运行后就能得到你想要的格式啦！如果你的数据有多个name_by_day分组，这个方案也能自动处理每个分组的转换，非常通用。

内容的提问来源于stack exchange，提问作者Francesc