如何在Pandas中按列分组并将指定列值拆分为多列？

针对你提出的需求——基于指定列的相同值，将另一列的值拆分为多列，这里提供两种高效的实现方案，适用于任意规模的DataFrame：

方法一：groupby+cumcount+pivot（通用型） #

这是适配性最强的方案，能自动处理不同分组内行数不一致的场景：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({'A': ['a', 'a', 'b', 'b'], 'B': ['x1', 'x2', 'x3', 'x4']})

# 1. 给每个分组内的行生成从1开始的序号
df['seq'] = df.groupby('A').cumcount() + 1

# 2. 透视转换：将分组序号转为列，B的值填充对应位置
result = df.pivot(index='A', columns='seq', values='B').reset_index()

# 3. 重命名列名，统一为B1、B2格式
result.columns = ['A'] + [f'B{col}' for col in result.columns[1:]]

print(result)

输出结果：

A  B1  B2
0  a  x1  x2
1  b  x3  x4

关键逻辑说明 #

• groupby('A').cumcount()：对每个A分组内的行计数，生成从0开始的序列，加1后得到1、2...的序号，用于后续生成目标列名。
• pivot：将分组序号转为列维度，把B的值映射到对应位置，若某个分组有3行，会自动生成B1、B2、B3三列，缺失值会填充NaN。
• 列名重命名：把透视后默认的数字列名替换为你需要的Bn格式。

方法二：groupby+agg+pd.Series（简洁型） #

如果所有分组的行数固定（比如都是2行），可以用更简洁的聚合写法：

import pandas as pd

df = pd.DataFrame({'A': ['a', 'a', 'b', 'b'], 'B': ['x1', 'x2', 'x3', 'x4']})

# 对每个A分组，将B列转为Series，自动扩展为多列
result = df.groupby('A')['B'].apply(pd.Series).reset_index()

# 重命名列名
result.columns = ['A', 'B1', 'B2']

print(result)

输出与方法一完全一致，这种写法更简洁，但仅当所有分组行数相同时效果最优；若分组行数不一致，缺失位置会填充NaN。

适配大规模数据集 #

两种方案都可直接应用于更大的DataFrame，只需将代码中的'A'和'B'替换为你需要处理的指定列名即可。比如你的目标列是'分类'和'数值'，只需把代码中的'A'换成'分类'，'B'换成'数值'。

内容的提问来源于stack exchange，提问作者David W.