对于任何仍然对pivot和pivot_table之间的区别感兴趣的人来说，主要有两个区别：

• pivot_table是pivot的泛化，可以处理一个透视索引/列对的重复值。具体来说，可以使用关键字参数aggfunc为pivot_table提供聚集函数列表。pivot_table的默认值aggfunc为numpy.mean。
• pivot_table还支持将多列用于透视表的索引和列。将自动生成分层索引。

参考：pivot和pivot_table

另一个警告：
pivot_table将只允许数值类型为“values="，而pivot将接受字符串类型为“values="。

我调试了一下。

• DataFrame.pivot()和DataFrame.pivot_table()是不同的。
• pivot()不接受索引列表。
• pivot_table()接受

在内部，它们都使用reset_index()/stack()/unstack()来完成这项工作。
pivot()只是简单使用的捷径，我想。

pivot()用于不进行聚合的透视，因此，它不能处理一个索引/列对的重复值。
由于这里您的index=['struct_id','resNum']有多个副本，因此透视不起作用。
但是，pivot_table将工作，因为它将通过聚合重复值来处理它们。

我不太明白，但我会给予看的。我通常用堆叠/解堆叠代替旋转，这更接近你想要的吗？

df.set_index(['struct_id','resNum','score_type_name']).unstack()

                  score_value                                              
score_type_name        fa_dun fa_dun_dev fa_dun_rot fa_dun_semi     omega   
struct_id  resNum                                                           
4294967297 1         2.185618   0.000027        NaN    2.185591  0.064840   
           2         1.378923   0.028560   1.350362         NaN  0.222345   
           3         0.020352   0.025507  -0.005156         NaN  0.005106   
           4         4.218029   0.003712        NaN    4.214317  0.212160   
           5         3.663050   0.004953        NaN         NaN  0.061867   

score_type_name     p_aa_pp      rama       ref  
struct_id  resNum                                
4294967297 1            NaN       NaN -1.191180  
           2      -0.442467 -0.795161  0.249477  
           3      -0.096847  0.267443  0.979644  
           4      -0.462765 -1.403292 -1.960940  
           5            NaN -0.600053       NaN

我不知道为什么你的透视不起作用（在我看来它应该起作用，但我可能是错的），但如果我不使用'struct_id'，它看起来确实起作用了（或者至少没有给予错误）。当然，对于完整的数据集，如果您有多个不同的'struct_id'值，这不是一个真正有用的解决方案。

df.pivot(columns='score_type_name',values='score_value',index='resNum')

score_type_name    fa_dun  fa_dun_dev  fa_dun_rot  fa_dun_semi     omega  
resNum                                                                     
1                2.185618    0.000027         NaN     2.185591  0.064840   
2                1.378923    0.028560    1.350362          NaN  0.222345   
3                0.020352    0.025507   -0.005156          NaN  0.005106   
4                4.218029    0.003712         NaN     4.214317  0.212160   
5                3.663050    0.004953         NaN          NaN  0.061867   

score_type_name   p_aa_pp      rama       ref  
resNum                                         
1                     NaN       NaN -1.191180  
2               -0.442467 -0.795161  0.249477  
3               -0.096847  0.267443  0.979644  
4               -0.462765 -1.403292 -1.960940  
5                     NaN -0.600053       NaN

编辑以添加：reset_index()将从多索引（分层）转换为更扁平的样式。列名中仍然有一些层次结构，有时最简单的方法就是执行df.columns=['var1','var2',...]，尽管如果您执行一些搜索，还有更复杂的方法。

df.set_index(['struct_id','resNum','score_type_name']).unstack().reset_index()

struct_id resNum score_value                            
score_type_name                         fa_dun fa_dun_dev fa_dun_rot   
0                4294967297      1    2.185618   0.000027        NaN   
1                4294967297      2    1.378923   0.028560   1.350362   
2                4294967297      3    0.020352   0.025507  -0.005156   
3                4294967297      4    4.218029   0.003712        NaN   
4                4294967297      5    3.663050   0.004953        NaN

要将从pivot_table调用获得的 Dataframe 转换为所需格式：

pivoted.columns.name=None  ## remove the score_type_name
result = pivoted.reset_index()  ## puts index columns back into dataframe body

给定的代码片段可以帮助您进一步扁平化 Dataframe 的外观

df.set_index(['struct_id','resNum','score_type_name']).unstack().reset_index()
df.loc[:,['struct_id','resNum','fa_dun','fa_dun_dev','fa_dun_rot']]

在调用pivot之前，我们需要确保数据中没有指定列的重复值行。
具有重复给予的透视

Index contains duplicate entries, cannot reshape

如果我们不能确保这一点，我们可能不得不使用pivot_table方法。
有关更详细的说明，请访问下面的链接
https://nikgrozev.com/2015/07/01/reshaping-in-pandas-pivot-pivot-table-stack-and-unstack-explained-with-pictures/

使用函数pivot可以转换单个单元格（baz）插入结果表中的单个单元格。但是，如果您有重复的索引列（foo & bar）对，如第二示例中，你需要聚集（在我的示例中为sum）原始表中的几个单元格以获得结果表中的单个单元格。pivot在这种情况下失败，注意，pivot_table的默认聚合函数是"mean"，您可以将pivot_table应用于这两种情况并获得相同的结果。

**一个

**第一个e第一个f第一个x