pandas实现宽表转窄表及窄表转宽表的方法

认真发呆

发布时间：2026-10-13 | 7人浏览过

原创

本文介绍利用pandas库将宽表转换为窄表以及反向操作的具体实现。通过示例演示如何使用melt函数将多列数据重塑为键值对形式，并展示手动构建宽表的逻辑。适用于处理如体检数据等多条目记录，帮助开发者高效完成数据格式转换任务。

pandas实现宽表转窄表

直接通过代码示例来展示具体操作。


import pandas as pd
# 伪造一些数据
fake_data = {'subject':['math', 'english'],
      'A': [88, 90],
      'B': [70, 80],
      'C': [60, 78]}

# 宽表
test = pd.DataFrame(fake_data, columns=['subject', 'A', 'B', 'C'])
test
	subject	A	B	C
0	math	88	70	60
1	english	90	80	78

# 转换为窄表
pd.melt(test, id_vars=['subject'])

subject	variable	value
0	math	A	88
1	english	A	90
2	math	B	70
3	english	B	80
4	math	C	60
5	english	C	78

pandas从单条目数据集生成宽表

补充知识：pandas从单条目数据集生成宽表

需求

场景

假设从医院数据库导出了大量体检数据，原始表中每一行代表某人某次体检的某一项结果。目标是将每个人的每一次体检结果整合为一行，每一列对应一个体检项目。

示例

	StuID	Type	Num
0	111021	Math	89
1	111021	English	93
2	312983	English	91
3	314621	English	82
4	314621	Math	92
5	112341	Math	82

目标是将数据转换为如下表格格式：

	StuID	English	Math
0	111021	93	89
1	312983	91	NaN
2	314621	82	92
3	112341	NaN	82

方案一

具体代码如下：


#将'B'列的类别调整为行。
#1
num = df[~df.duplicated(subset=['StuID'])].loc[:,'StuID'].to_list()
#2
result_df = pd.DataFrame({'StuID': np.array(num)},columns=['StuID','English','Math'])
#3
for i in df.index:
  t = df.loc[i,'Type']
  num = df.loc[i,'StuID']
  result_df.loc[result_df['StuID'] == num,[t]] = df.loc[i,'Num']
print(result_df)

运行结果如下：