如何合并两个Polars DataFrame：将交易多分配转为独立列

可以通过分组编号+透视的方式实现动态生成分配列，具体步骤如下：

步骤1：给每个交易的分配添加序号 #

先对分配DataFrame按TransactionIds分组，给组内的每个分配添加从0开始的序号，用来区分同一交易下的不同分配：

import pandas as pd

# 示例数据（可替换为你的真实数据）
transactions_df = pd.DataFrame({
    'TransactionIds': ['T001', 'T002', 'T003'],
    'OtherCol': ['A', 'B', 'C']
})

assignments_df = pd.DataFrame({
    'TransactionIds': ['T001', 'T001', 'T002', 'T003'],
    'Assignments': ['Alice', 'Bob', 'Charlie', None]
})

# 生成组内序号
assignments_df['assign_seq'] = assignments_df.groupby('TransactionIds').cumcount()

步骤2：透视转换为宽表 #

将分配数据透视，把序号转为列名，Assignments作为值，自动生成对应数量的分配列：

# 透视生成宽表，重命名列名
assignments_wide = assignments_df.pivot(
    index='TransactionIds',
    columns='assign_seq',
    values='Assignments'
).rename(columns=lambda x: f'Assignment_{x+1}')  # 列名改为Assignment_1、Assignment_2这类直观名称

步骤3：合并交易表与分配宽表 #

将透视后的分配表和交易表按TransactionIds合并，不足的分配列会自动填充NaN（可按需转为NULL）：

# 左连接合并，保留所有交易记录
final_df = transactions_df.merge(assignments_wide, on='TransactionIds', how='left')

# 可选：将NaN替换为字符串'NULL'（如果需要匹配数据库格式）
final_df = final_df.fillna('NULL')

关键说明 #

• 该方法会自动根据所有交易中最多的分配数生成对应列数，无需手动指定列的数量。比如某交易有3个分配，就会生成3个分配列，其他交易不足的位置自动填充空值。
• 如果你之前用groupby+agg(list)得到了列表格式的分配，也可以用pd.DataFrame(df['Assignments'].tolist(), index=df.index)展开列表为列，但分组+透视的方法更稳健，能直接处理NULL值和不同长度的分配场景。

内容的提问来源于stack exchange，提问作者WannaBeAProgrammer