如何使用Pandas透视DataFrame并将新列按分组存在情况设为True/False

没问题，你想要的效果是把GROUP列的不同取值转为新列，并用布尔值标记每个ID+REV组合是否包含对应分组，这确实可以通过透视类操作实现，下面给你几个实用的方案：

方法1：用pivot_table快速实现 #

pivot_table是Pandas里做透视的核心工具，我们可以指定行索引为ID和REV，列为GROUP，然后用聚合函数标记“是否存在该分组”，最后填充缺失值为False：

import pandas as pd

df = pd.DataFrame({'ID' : [0, 0, 1, 1, 1], 'REV' : [0, 0, 1, 1, 1], 'GROUP' : [1, 2, 1, 2, 3]})

# 生成透视表，存在则标记True，缺失填充False
result = df.pivot_table(
    index=['ID', 'REV'],
    columns='GROUP',
    aggfunc=lambda x: True,
    fill_value=False
).reset_index()

# 调整列名（透视表默认会生成多级列，这里展平）
result.columns = ['ID', 'REV', 1, 2, 3]
print(result)

运行后就能得到你想要的结果，原理很简单：只要某分组在当前ID+REV组合里出现过，聚合函数就返回True，没出现的位置用fill_value补成False。

方法2：用pd.crosstab更简洁 #

如果只是做这种“存在与否”的交叉标记，pd.crosstab会更省心——它天生就是用来生成交叉统计表的，我们只需要把统计结果转成布尔值就行：

import pandas as pd

df = pd.DataFrame({'ID' : [0, 0, 1, 1, 1], 'REV' : [0, 0, 1, 1, 1], 'GROUP' : [1, 2, 1, 2, 3]})

# 生成交叉表，把计数转为布尔值（>0就是True）
result = pd.crosstab([df['ID'], df['REV']], df['GROUP']).astype(bool).reset_index()

# 调整列名
result.columns = ['ID', 'REV', 1, 2, 3]
print(result)

这个方法代码更短，逻辑也直观：crosstab先统计每个组合的出现次数，astype(bool)自动把非零值转成True，零值转成False。

方法3：用get_dummies+groupby的组合 #

如果你更习惯用独热编码的思路，也可以先把GROUP列转成独热编码格式，再按ID和REV分组取最大值（只要组里有一个True，结果就是True）：

import pandas as pd

df = pd.DataFrame({'ID' : [0, 0, 1, 1, 1], 'REV' : [0, 0, 1, 1, 1], 'GROUP' : [1, 2, 1, 2, 3]})

# 对GROUP做独热编码，直接生成布尔值列
dummies = pd.get_dummies(df['GROUP'], dtype=bool)

# 合并原ID/REV列，按ID+REV分组取最大值
result = pd.concat([df[['ID', 'REV']], dummies], axis=1).groupby(['ID', 'REV']).max().reset_index()

print(result)

这个方法的好处是扩展性强，如果之后需要对分组做其他处理，能很方便地调整。

以上三种方法都能实现你想要的效果，你可以根据自己的习惯选择～

内容的提问来源于stack exchange，提问作者mike_gundy123