如何按ID和时间透视含混合值类型的Pandas DataFrame

刚好碰到过类似的需求，用Pandas的pivot()或者pivot_table()就能完美解决你这种把Category转成单独列的需求，给你一步步拆解下：

1. 先构造示例DataFrame（方便你复现测试） #

首先把你给出的示例数据转成可运行的代码：

import pandas as pd

data = {
    'ID': [457, 542, 542, 542, 457, 457],
    'Time': ['2010-09-04 15:00', '2010-09-04 15:00', '2010-09-04 15:00', '2010-09-04 15:00', '2010-09-04 15:40', '2010-09-04 15:40'],
    'Category': ['Name', 'Name', 'Sub', 'Age', 'Sub', 'Age'],
    'Value': ['Foo', 'Bar', 0.2, 18, 0.7, 20]
}
df = pd.DataFrame(data)

2. 核心转换代码（无重复值场景） #

如果你的数据里同一个ID+Time+Category组合没有重复值，用pivot()是最高效的：

# 转成宽表
cat_df = df.pivot(
    index=['ID', 'Time'],  # 作为行唯一标识的组合键
    columns='Category',    # 要转成列的字段
    values='Value'         # 对应列的取值
).reset_index()

# 去掉列名的层级标记，让表格更整洁
cat_df.columns.name = None

3. 处理重复值场景 #

如果存在同一个ID+Time+Category有多条记录的情况，pivot()会报错，这时候用pivot_table()搭配聚合函数更稳妥：

# 用first取第一个值，你也可以根据需求换成mean/sum等聚合逻辑
cat_df = df.pivot_table(
    index=['ID', 'Time'],
    columns='Category',
    values='Value',
    aggfunc='first'
).reset_index()

cat_df.columns.name = None

4. 转换后的结果 #

最终的cat_df结构如下：

5. 可选：填充空值 #

如果想把结果里的NaN换成你需要的默认值，比如空字符串或0，可以用fillna()：

# 全部填充为空字符串
cat_df = cat_df.fillna('')

# 或者针对数值列单独填充0
cat_df[['Age', 'Sub']] = cat_df[['Age', 'Sub']].fillna(0)

内容的提问来源于stack exchange，提问作者HMK