本文介绍一种简洁高效的方法：利用 set_index().idxmax() 将含独热编码（one-hot）标识的 DataFrame 转换为以列为索引、行为对应名称的新结构，适用于每行仅有一个非零值（如 1）的典型场景。
本文介绍一种简洁高效的方法：利用 `set_index().idxmax()` 将含独热编码（one-hot）标识的 dataframe 转换为以列为索引、行为对应名称的新结构，适用于每行仅有一个非零值（如 1）的典型场景。
在数据分析中，我们常遇到类似“独热编码（one-hot）”格式的数据：每一行仅在一个类别列中标记为 1，其余为 0，而目标是将该结构“翻转”——使原列名成为新索引，原行名（如 name）成为对应值。这种需求常见于标签映射、类别反查或报表格式转换等场景。
Pandas 提供了极为简洁的解决方案：df.set_index('name').idxmax()。其原理是：
- 先用
set_index('name')将name列设为行索引，此时剩余列A,B,C构成数值矩阵； - 再调用
.idxmax()，对每一列查找最大值所在行的索引（即name值），自动返回一个以列为索引、以对应name为值的 Series。
以下是完整示例代码：
import pandas as pd
# 构造原始数据
data = {
'name': ['foo', 'bar', 'coo'],
'A': [1, 0, 0],
'B': [0, 1, 0],
'C': [0, 0, 1]
}
df = pd.DataFrame(data)
print("原始 DataFrame：")
print(df)
# 输出：
# name A B C
# 0 foo 1 0 0
# 1 bar 0 1 0
# 2 coo 0 0 1
# 执行转置映射
result = df.set_index('name').idxmax()
print("\n转换后结果（Series）：")
print(result)
# 输出：
# A foo
# B bar
# C coo
# dtype: object若需进一步转换为带列名的 DataFrame（例如符合 name 列标题的二维表），可链式调用 .to_frame('name')：
result_df = result.to_frame('name')
print("\n最终 DataFrame 格式：")
print(result_df)
# 输出：
# name
# A foo
# B bar
# C coo⚠️ 注意事项：
- 此方法依赖每列中恰好存在一个最大值所对应的
name，因此要求原始数据满足“每行仅有一个1（或非零主导值），且无并列最大值”。若存在全零行或多个1，idxmax()将返回首个匹配索引，可能造成逻辑错误； - 若数据含缺失值（
NaN），建议先用fillna(0)预处理； - 对于更复杂的映射逻辑（如多标签、加权选择），应改用
df.dot()或布尔索引配合stack()等方式。
总结：set_index().idxmax() 是处理标准独热结构到标签映射问题的“一行解”，兼具可读性、性能与简洁性，是 pandas 高级索引能力的典型体现。
