df.T 是最快转置方式，返回视图不复制数据，但会互换索引与列名，需注意语义变化及后续清理。
用 df.T 转置 DataFrame 最快，但索引和列会互换
直接访问 T 属性是 pandas 中最轻量的转置方式，它不复制数据，只是返回一个视图（view）或浅层副本（shallow copy），速度极快。但要注意：df.T 会把原 DataFrame 的行索引变成列名，列名变成新索引——这和 Excel 的“选择区域→复制→选择性粘贴→转置”行为一致，但容易忽略索引语义变化。
- 如果原
df索引是默认RangeIndex（0, 1, 2…），转置后列名会是0, 1, 2...，可能看起来像“没命名”，其实是数字列名 - 如果原
df列名含空格、特殊字符或重复项，df.T仍能执行，但后续按列取值（如df_t['my col']）会出错或歧义 -
df.T不改变原始df，但若原df是某个大对象的切片（如df.iloc[:100]），.T可能触发SettingWithCopyWarning（尤其后续赋值时）
转置后列名/索引混乱？用 reset_index() 和 rename() 补救
Excel 转置后通常希望“第一行是标题，没有索引列”，而 df.T 默认保留原索引为新列名，常导致结果顶部多出一列（原 index 名）。这时不能只靠 .T，得链式清理：
df_t = df.T.reset_index().rename(columns={'index': 'variable'})
-
reset_index()把原索引“压进”第一列，生成新默认索引；若想保留原索引作为普通列，加drop=False -
rename()仅重命名列名，不影响数据；若原索引无名（df.index.name is None），reset_index()后该列名默认是'index'，需显式改掉 - 如果转置后想让某列（比如第一列）变成新索引，用
df_t.set_index('variable')，但注意该列值必须唯一，否则报ValueError: Index has duplicate keys
遇到 TypeError: cannot transpose DatetimeIndex 怎么办
这个错误不是出在 df.T 本身，而是当 DataFrame 的索引是 DatetimeIndex 且包含时区信息（tz-aware）时，pandas 旧版本（
- 临时解法：先去掉时区，
df.index = df.index.tz_localize(None)或df.index = df.index.tz_convert(None)，再.T - 更稳妥做法：不依赖索引转列，改用
df.reset_index().T，这样原时间索引变成普通数据列，不再参与索引层级约束 - 若必须保留时区且要转置，建议升级 pandas ≥ 1.5，并确认
df.index是纯DatetimeIndex（不含嵌套或混合类型）
需要真正“复制数据”而非视图？用 .copy() 显式声明
df.T 在多数情况下返回视图（尤其是数值型 DataFrame），修改转置结果可能意外影响原数据（尽管 pandas 会尝试阻止，但边界情况存在）。如果你打算后续对转置结果做大量赋值（如 df_t.iloc[0, 0] = 999），应主动加 .copy()：
tidy-excel-data
下载
清理、标准化、验证并汇总杂乱的 Excel 工作簿。当 Codex 需要处理 `.xlsx`、`.xls`、`.xlsm` 或 `.csv` 格式的数据时使用，包括：统一表头格式、删除空白行与空白列、修剪文本内容、去重记录、检测数据质量问题、拆分或合并工作表、生成清洗后的工作簿，以及为业务电子表格生成审计摘要。
立即学习“Python免费学习笔记（深入）”；
df_t = df.T.copy()
-
.copy()默认是浅拷贝（shallow），对数值列足够安全；若 DataFrame 含 list、dict 等可变对象，需加deep=True - 性能上，
df.T.copy()比df.transpose().copy()略快，因为.T是属性访问，无函数调用开销 - 别写
df.T.copy(deep=True)——.copy()的deep参数默认就是True，但数值型 DataFrame 用deep=False更省内存，且足够安全
转置看着简单，真正踩坑多在索引语义、时区、视图/副本边界这些地方，而不是语法本身。
