Python 如何透视和重新构造复杂的数据帧，以便所有行中的所有键值对都可以放入数据库？

目前，我有一个csv文件，如下所示：

id key1   value1 key2    value2   key3   value3  key4        value4
0  Colour Blue   Shape   Square   Price  3 
1  Age    4      Colour  Red      Price  5       Condition   New

我正在尝试将此作为熊猫中的数据帧来阅读。我如何将其转换为

id Colour Shape   Price    Age    Condition
0  Blue   Square  3        NULL   NULL
1  Red    NULL    5        4      New

最终目标是对其进行格式化，以便将其作为表导入MySQL数据库

你可以用这个

df1 = df.filter(like='key').stack().reset_index().rename(columns={'level_0':'id','level_1':'keys',0:'key_val'})

df2 = df.filter(like='value').stack().reset_index().rename(columns={'level_0':'id','level_1':'valnum',0:'val'})

(df1.merge(df2,on ='id',how='outer', left_index=True, right_index=True).pivot('id','key_val','val')
 .reset_index()
 .rename_axis(None, axis=1)
 .drop('None',axis=1))

输出

    id  Age     Colour  Condition   Price   Shape
0   0   NaN     Blue    NaN            3    Square
1   1   4       Red     New            5    NaN

---

我更喜欢@moys解决方案，但这是我的

# get every key-value column pair
cols_zipped = [*zip(df.columns,df.columns[1:])][::2]

# create single key-value column pair
df_lst = []
for _ in cols_zipped:
    df_ = df.loc[:,[*_]]
    df_.rename({_[0]:'key', _[1]:'value'}, axis=1, inplace=True)
    df_lst.append(df_)
df_concat = pd.concat(df_lst)

# groupby key, apply list to values, and convert to a dictionary
key_dct = df_concat.groupby('key')['value'].apply(list).to_dict()

# create new dataframe
pd.DataFrame.from_dict(key_dct, orient='index').T

---

您最初是如何将数据转换成这种格式的？