Python Pandas实现DataFrame转置与分组：ID-STORE-PUSH格式转多STORE列宽表的问题求助

嘿，我一眼就看出问题所在啦——你当前的代码里，groupby('PNO')['Push'].transform()没有针对每个目标门店做筛选逻辑，所以分组后返回的是整个PNO组的默认聚合值（比如均值），自然所有新列的结果都一模一样。

下面给你两种靠谱的解决方案，推荐第一种，简洁高效：

方法一：用pivot_table生成宽表后合并（推荐） #

这种方式是Pandas处理长表转宽表的标准做法，一步生成所有需要的门店列，再和原表合并：

# 1. 生成宽表：将STORE转为列，PUSH作为对应列的值
wide_store_df = combined_sf2.pivot_table(
    index='PNO',  # 你的ID列
    columns='STORE',  # 要转成列的门店字段
    values='Push',  # 要填充的数值字段
    aggfunc='first'  # 如果同一个PNO+STORE有多条记录，用first取第一条，也可以用mean/median等聚合
).reset_index()

# 2. 调整列名格式为你需要的大写形式，并只保留指定的7个门店
required_stores = ['adh', 'ayc', 'maeg', 'rot', 'witz', 'mar', 'bud']
# 重命名列，把门店名转成大写
wide_store_df.columns = ['PNO'] + [store.upper() for store in wide_store_df.columns if store != 'PNO']
# 只保留需要的列
wide_store_df = wide_store_df[['PNO'] + [s.upper() for s in required_stores]]

# 3. 合并到原DataFrame，用PNO做关联键，左连接保留原表所有行
df = df.merge(wide_store_df, on='PNO', how='left')

方法二：逐列用transform生成（适合特殊场景） #

如果你一定要用transform的方式逐列生成，需要在transform里加入门店筛选的逻辑，确保只取当前门店的Push值：

required_stores = {'adh': 'ADH', 'ayc': 'AYC', 'maeg': 'MAEG', 
                   'rot': 'ROT', 'witz': 'WITZ', 'mar': 'MAR', 'bud': 'BUD'}

for store, col_name in required_stores.items():
    df[col_name] = combined_sf2.groupby('PNO')['Push'].transform(
        lambda x: x[combined_sf2.loc[x.index, 'STORE'] == store].iloc[0] 
        if any(combined_sf2.loc[x.index, 'STORE'] == store) 
        else None  # 如果该PNO没有这个门店，填充None
    )

关键说明 #

• 原代码的问题核心：没有针对每个门店筛选数据，groupby后直接transform会返回整个分组的聚合结果（默认是mean），所以所有列值相同。
• 方法一的优势：代码简洁、执行效率高，尤其是数据量较大时，比逐列transform快很多。
• 如果同一个PNO+STORE存在多条记录，记得调整aggfunc参数，比如用sum求和、mean取平均，根据你的业务需求来定。

内容的提问来源于stack exchange，提问作者Yan