Pandas DataFrame 列名转列值重塑方法

本文揭秘了如何用 pandas 的 melt + pivot 组合实现一种高级数据重塑——不是简单转置，而是将列名“降级”为数据值、把原单元格内容（如“1st choice”）“升级”为新列名，从而完成语义驱动的行列角色对调；通过保留原始索引、精准透视与可选清理，一行链式操作即可生成结构清晰、业务含义明确的新表，是处理偏好调查、多选项映射等场景的高效标准解法。

本文介绍使用 pandas 的 melt + pivot 组合操作，将原始 DataFrame 的列名（如 "Movie 1", "Movie 2"）转化为新列的值，并按原单元格内容（如 "1st choice", "2nd choice"）重新组织行列结构，实现行列角色对调。

本文介绍使用 pandas 的 `melt` + `pivot` 组合操作，将原始 DataFrame 的列名（如 "Movie 1", "Movie 2"）转化为新列的值，并按原单元格内容（如 "1st choice", "2nd choice"）重新组织行列结构，实现行列角色对调。

在数据分析中，常需对 DataFrame 进行“行列转置式”的结构重组——但不同于简单的 .T 转置（它仅交换行列索引），本例要求：原列名变为数据值，原单元格值变为新列名。这本质上是一次“值驱动的透视重构”，核心思路是：先将宽表“拉长”（melt），再以原单元格值为新列名进行“聚拢”（pivot）。

以下为推荐的简洁写法：

import pandas as pd

# 构造原始 DataFrame
df = pd.DataFrame({
    'Movie 1': ['1st choice', '2nd choice'],
    'Movie 2': ['2nd choice', '1st choice']
})

# 执行重组织：列名 → 值，原值 → 新列名
out = (df.melt(ignore_index=False)
         .pivot(columns='value', values='variable')
         .rename_axis(index=None, columns=None))

输出结果为：

  1st choice 2nd choice
0    Movie 1    Movie 2
1    Movie 2    Movie 1

✅ 关键说明：

• melt(ignore_index=False) 保留原始行索引（避免打乱顺序），生成三列：variable（原列名）、value（原单元格值）、variable 对应的值（即列名本身）；
• pivot(columns='value', values='variable') 将 value 列唯一值作为新列名，variable 列作为填充值，自动按原索引对齐行；
• rename_axis(...) 可选，用于清除默认的轴名称（如 value 列名残留），使结果更干净。

⚠️ 注意事项：

• 若原 DataFrame 行索引非数字或存在重复，建议改用更稳健的显式索引方式（如第二个示例中的 reset_index().melt('index')）；
• pivot 要求 (index, columns) 组合唯一，若存在重复组合（如同一行中出现两次 "1st choice"），需改用 pivot_table 并指定聚合函数（如 aggfunc='first'）；
• 列值（如 "1st choice"）必须可哈希且无歧义；若含空格或特殊字符，pivot 仍能正常处理，但后续访问列时需使用方括号（如 out['1st choice']）。

该方法高效、可读性强，是 pandas 中处理此类“语义转置”任务的标准范式。

今天关于《Pandas DataFrame 列名转列值重塑方法》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！