如何将同一Version与Task的多行数据合并为单行并列展示？

你需要将同一Version和Task对应的两行数据横向合并为一行，以下是直接可行的pandas解决方案：

示例代码 #

import pandas as pd

# 构造你的示例数据（实际使用时可替换为pd.read_csv等读取方式）
data = {
    'Version': [1,1,1,1,1,1,2,2,2,2,2,2],
    'Task': [1,1,2,2,3,3,1,1,2,2,3,3],
    'Concept': [1,2,1,2,1,2,1,2,1,2,1,2],
    'Att 1 -': [3,1,2,1,2,3,2,3,2,1,3,1],
    'Att 2 -': [2,1,3,2,3,1,1,2,2,3,1,3]
}
df = pd.DataFrame(data)

# 1. 给每个(Version, Task)组内的行添加序号（每组固定2行，得到0/1标记）
df['group_id'] = df.groupby(['Version', 'Task']).cumcount()

# 2. 拆分出每组的第一行和第二行
df_first = df[df['group_id'] == 0].drop('group_id', axis=1)
df_second = df[df['group_id'] == 1].drop('group_id', axis=1)

# 3. 横向拼接两个DataFrame，得到目标格式
result = pd.concat([df_first.reset_index(drop=True), df_second.reset_index(drop=True)], axis=1)

# 打印结果（和你的目标格式一致）
print(result.to_string(index=False))

代码解释 #

1. 添加组内序号：通过cumcount()给每个Version+Task组内的行分配0和1的标记，区分每组的两行数据；
2. 拆分数据：将标记为0和1的行分别存入两个DataFrame，对应每组的第一行和第二行；
3. 横向拼接：重置索引后用concat(axis=1)将两个DataFrame横向合并，实现同一组两行数据的并列展示。

这个方法适用于每组固定2行的场景，你的600行数据集可以直接套用，无需额外调整。

内容的提问来源于stack exchange，提问作者George