技术问询：x有重复值时给新列y2赋值及农场厩舍数据转宽表

以下是两种常见场景的解决方案：

场景1：将同一x对应的所有y值合并到y2列（字符串拼接形式） #

假设原始数据如下：

用pandas实现：

import pandas as pd

df = pd.DataFrame({'x': ['a', 'a', 'b'], 'y': [1, 2, 3]})
# 按x分组，将y值用逗号拼接为字符串
df['y2'] = df.groupby('x')['y'].transform(lambda x: ','.join(map(str, x)))

处理后结果：

场景2：为每个重复的x分配对应唯一y值到y2 #

如果需要标记同一x下非首次出现的y值到y2列，可通过分组序号实现：

# 按x分组生成递增序号
df['idx'] = df.groupby('x').cumcount()
# 将非首次的y值存入y2，首次则为NA
df['y2'] = df.where(df['idx'] > 0, pd.NA)['y']

步骤1：创建示例数据 #

import pandas as pd

data = {
    'Farm ID': [1, 1, 1, 2, 2, 3],
    'Stable type': ['A10', 'A20', 'A30', 'A10', 'A20', 'A10']
}
df = pd.DataFrame(data)

步骤2：转换为宽表格式 #

# 按Farm ID分组，为每个厩舍生成从1开始的序号
df['stable_seq'] = df.groupby('Farm ID').cumcount() + 1
# 重塑数据为宽表，缺失值填充为NA
wide_df = df.pivot(index='Farm ID', columns='stable_seq', values='Stable type')
# 重命名列名为Stable1、Stable2...
wide_df.columns = [f'Stable{col}' for col in wide_df.columns]
# 重置索引，让Farm ID作为普通列
wide_df = wide_df.reset_index().fillna(pd.NA)

最终输出结果： #

也可通过pivot_table简化实现：

wide_df = df.pivot_table(
    index='Farm ID',
    columns=df.groupby('Farm ID').cumcount() + 1,
    values='Stable type',
    aggfunc='first'
).rename(columns=lambda x: f'Stable{x}').reset_index().fillna(pd.NA)

内容的提问来源于stack exchange，提问作者Gijs