使用Pandas将measure列按取值转换为Deaths和Prevalence两列

嘿，这是个非常常见的长格式DataFrame转宽格式的需求，用pandas的pivot()方法就能完美解决，我给你详细说明操作步骤：

核心代码实现 #

假设你的原始DataFrame变量名为df，直接用以下代码即可完成转换：

import pandas as pd

# 执行转置操作
df_wide = df.pivot(
    index=['location', 'cause'],  # 作为行唯一标识的列
    columns='measure',            # 要转为列的字段
    values='val'                  # 填充新列的值来源
).reset_index()

# 移除列名上方的冗余标签，让结果更整洁
df_wide = df_wide.rename_axis(None, axis=1)

代码参数解释 #

• index=['location', 'cause']：指定**州（location）+疾病类型（cause）**作为每行的唯一标识，确保每个组合只对应一行数据
• columns='measure'：把measure字段的两个取值（Deaths、Prevalence）直接转换为两个独立的列
• values='val'：用原表中val字段的数值，填充到新生成的Deaths和Prevalence列中
• reset_index()：将原本作为索引的location和cause重新转为普通列，方便后续的筛选、分析操作
• rename_axis(None, axis=1)：移除列名顶部的"measure"标签，让最终的DataFrame结构更清爽

转换后的示例结果 #

转换后你会得到这样的宽格式DataFrame：

特殊情况处理（可选） #

如果你的数据中存在同一个州+疾病+measure组合对应多个val值的情况（虽然你提到每个组合唯一，但还是提个醒），可以用pivot_table()配合聚合函数来处理，比如取第一个值或者平均值：

df_wide = pd.pivot_table(
    df,
    index=['location', 'cause'],
    columns='measure',
    values='val',
    aggfunc='first'  # 或者用'mean'、'sum'等聚合方式
).reset_index().rename_axis(None, axis=1)

内容的提问来源于stack exchange，提问作者Clemens