如何通过另一列聚合DataFrame单列数据并重构数据格式？

不用嵌套循环，用Pandas的分组和透视功能就能轻松实现，步骤如下：

步骤1：准备数据并替换NA为0 #

先把x列的NA替换成0，保证后续计算统一：

import pandas as pd
import numpy as np

# 构造原始DataFrame（已有数据可跳过此步）
raw_data = {
    'record': [1,1,1,2,3,3,4,5,6,6],
    'x': [np.nan, 2, 1, np.nan, 9, 1, 2, np.nan,4, np.nan]
}
df = pd.DataFrame(raw_data)

# 将NA替换为0并转为整数类型
df['x'] = df['x'].fillna(0).astype(int)

步骤2：给每个分组添加组内序号 #

为了把同一record下的多个x值分到不同列，给每个record组内的行添加递增序号：

df['col_num'] = df.groupby('record').cumcount()

步骤3：透视转换为宽表 #

用pivot函数转成目标格式：行对应唯一record，列对应组内序号，值为x：

result_df = df.pivot(index='record', columns='col_num', values='x')

步骤4：填充缺失值并整理格式 #

把透视后缺失的位置补0，重置索引让record成为普通列，再转为整数类型：

result_df = result_df.fillna(0).astype(int).reset_index()

最终输出 #

运行后result_df的内容即为你需要的格式：

record  0  1  2
0       1  0  2  1
1       2  0  0  0
2       3  9  1  0
3       4  2  0  0
4       5  0  0  0
5       6  4  0  0

如果需要纯文本无表头格式，可执行：

print(result_df.to_string(index=False, header=False))

输出结果：

1  0  2  1
 2  0  0  0
 3  9  1  0
 4  2  0  0
 5  0  0  0
 6  4  0  0

内容的提问来源于stack exchange，提问作者LDiamond