如何用Pandas将长格式DataFrame转换为带双层表头的宽格式

没问题，这个需求用Pandas的内置方法就能轻松实现，我给你详细的步骤和代码：

完整代码示例 #

import pandas as pd

# 读取你的CSV文件（替换成实际文件路径）
df = pd.read_csv('your_data.csv')

# 转换为宽格式，生成多层列索引
df_wide = df.pivot(
    index='date_time',
    columns='country',
    values=['temp', 'dc']
)

# 调整列层级顺序：把「国家」放在第一层，「属性(temp/dc)」放在第二层
df_wide = df_wide.swaplevel(axis=1).sort_index(axis=1)

# 可选：查看转换后的结果
print(df_wide.head())

代码分步解释 #

1. 读取原始数据：用pd.read_csv加载你的CSV文件，记得把your_data.csv替换成实际的文件路径。
2. 生成基础宽格式：pivot是实现转换的核心方法——我们指定date_time作为行索引，country作为列的分组维度，temp和dc作为要展开的属性字段。这一步会生成带多层列索引的DataFrame，但默认的层级顺序是「属性在前，国家在后」。
3. 调整列层级结构：用swaplevel(axis=1)交换列的两个层级，再用sort_index(axis=1)把同一国家的列归拢到一起，最终就得到了你想要的「国家为第一层表头，temp/dc为第二层表头」的结构。

处理重复数据的特殊情况 #

如果你的CSV里存在同一date_time+country的重复记录（比如同一时间同一国家有多条temp/dc数据），可以用pivot_table替代pivot，并指定聚合函数来处理重复值：

df_wide = df.pivot_table(
    index='date_time',
    columns='country',
    values=['temp', 'dc'],
    aggfunc='first'  # 取第一条记录，也可以用'mean'取平均值、'max'取最大值等
)
df_wide = df_wide.swaplevel(axis=1).sort_index(axis=1)

转换后的结果完全匹配你想要的结构：date_time作为行索引，外层表头是各个国家，内层表头对应temp和dc属性。

内容的提问来源于stack exchange，提问作者khuesmann