如何用Python将分组列拆分为多列并保留对应列值？

针对你需要的分组列拆分、多列填充需求，用Python的pandas库可以轻松实现，下面是详细步骤和代码：

1. 导入库并准备数据 #

首先导入pandas，然后将输入数据转换为DataFrame（实际使用时可直接用pd.read_csv()读取本地文件）：

import pandas as pd

# 模拟输入数据（替换成你的实际数据读取逻辑）
data = {
    'Column1': ['Group1']*4 + ['Group2']*4 + ['Group3']*2,
    'Column2': ['Value1','Value2','Value3','Value4']*2 + ['Value1','Value2'],
    'Column3': ['V1','V2','V3','V4','x1','x2','x3','x4','y1','y2']
}
df = pd.DataFrame(data)

2. 生成分组内的行对齐标识 #

为了让不同分组的同位置数据（比如每个Group的Value1）放在同一行，给每个分组内的行添加序号：

# 给每个分组内的行从0开始计数，用于后续对齐
df['row_id'] = df.groupby('Column1').cumcount()

• groupby('Column1')：按Column1的分组（Group1/Group2/Group3）拆分数据
• cumcount()：给每个分组内的行生成连续序号，保证同位置数据的序号一致

3. 拆分Column2为分组列 #

使用pivot函数重塑数据，将分组名转为列名，填充对应Column2的值：

# 按row_id对齐，将Column1的分组转为列，填充Column2的值
df_col2 = df.pivot(index='row_id', columns='Column1', values='Column2').reset_index(drop=True)

• pivot(index='row_id', columns='Column1', values='Column2')：以row_id为行标识，Column1的分组为列，Column2的值为填充内容
• reset_index(drop=True)：移除多余的row_id索引，得到干净的分组列

4. 拆分Column3为带前缀的分组列 #

同样用pivot处理Column3，然后给列名添加Column3.前缀：

# 处理Column3并添加前缀
df_col3 = df.pivot(index='row_id', columns='Column1', values='Column3').reset_index(drop=True)
df_col3.columns = [f'Column3.{col}' for col in df_col3.columns]

• 列表推导式[f'Column3.{col}' ...]：给每个分组列名添加前缀，生成Column3.Group1这类列名

5. 合并结果并调整格式 #

将处理好的两部分数据按列合并，可按需调整字符串大小写：

# 按列合并两个结果DataFrame
final_df = pd.concat([df_col2, df_col3], axis=1)
# 可选：将字符串转为小写（匹配你期望的输出格式）
final_df = final_df.applymap(lambda x: x.lower() if isinstance(x, str) else x)

6. 查看最终结果 #

输出不带索引的结果，格式与你期望的一致：

print(final_df.to_string(index=False))

关键说明 #

• 无论实际数据有多少个分组，代码无需修改，pandas会自动识别所有分组并生成对应列
• 缺失的内容会自动填充为NaN，符合你的输出要求

内容的提问来源于stack exchange，提问作者Sri Vidhya