Pandas行转列：将Fund转为列并按TradeGroup分组

原始DataFrame格式 #

需求说明 #

需要将TradeGroup作为分组依据，把Fund转为列名，丢弃LongShort和Details列，最终得到如下格式的DataFrame：

解决方案 #

你之前用df.pivot()没得到想要的结果，大概率是参数设置没到位。咱们用pivot或者pivot_table都能轻松实现，步骤如下：

1. 先清理数据：删掉不需要的LongShort和Details列，只保留核心字段；
2. 执行行列转换：指定正确的索引、列和值参数；
3. 调整结构：把索引转回普通列，去掉多余的列层级名称。

代码实现（两种方法可选）

方法1：使用pivot（适合无重复组合的数据）

import pandas as pd

# 假设你的原始DataFrame是df
# 第一步：删除无关列
df_clean = df.drop(['LongShort', 'Details'], axis=1)

# 第二步：执行pivot转换，把TradeGroup和Date作为联合索引，Fund作为列，Alpha作为值
result_df = df_clean.pivot(
    index=['TradeGroup', 'Date'],
    columns='Fund',
    values='Alpha'
).reset_index()

# 第三步：去掉列名的层级标签，让格式更贴合需求
result_df.columns.name = None

# 查看最终结果
print(result_df)

方法2：使用pivot_table（适合有重复组合的数据，容错性更强）

如果你的数据中存在同一TradeGroup+Date+Fund的重复记录，可以用这个方法，指定聚合函数（比如取第一个值）：

result_df = df_clean.pivot_table(
    index=['TradeGroup', 'Date'],
    columns='Fund',
    values='Alpha',
    aggfunc='first'  # 如果有重复值，可换成'mean'/'sum'等
).reset_index()

result_df.columns.name = None

运行后就能得到你想要的目标格式啦~

内容的提问来源于stack exchange，提问作者CodeSsscala