如何使用Pandas按bundle id分组CSV文件并为指定表头加前缀？

完全可以用Pandas实现你的需求，以下是具体的实现步骤和代码示例：

步骤1：导入Pandas并读取CSV文件 #

首先导入Pandas库，然后读取你的CSV数据文件：

import pandas as pd

# 替换为你的CSV文件路径
df = pd.read_csv("your_data.csv")

步骤2：处理表头前缀（source为'a'的情况） #

假设你的数据包含bundle_id、source以及其他数据列（如value1、value2等），我们需要为source='a'对应的非标识列添加seed_前缀。可以通过将数据拆分为子集处理后再合并：

# 筛选source为'a'的数据并复制
df_seed = df[df["source"] == "a"].copy()
# 为除bundle_id和source外的列添加前缀
df_seed.columns = [
    f"seed_{col}" if col not in ["bundle_id", "source"] else col 
    for col in df_seed.columns
]

# 筛选其他source的数据
df_other = df[df["source"] != "a"].copy()

步骤3：按bundle_id分组合并数据 #

将处理后的两个子集按bundle_id合并，得到最终的分组结果（这里采用外连接保证所有bundle_id都被保留）：

# 按bundle_id合并数据
final_df = pd.merge(df_other, df_seed, on="bundle_id", how="outer")

# 如果需要将同一bundle_id的行聚合为单行（比如取第一个非空值），可以用groupby
final_df = final_df.groupby("bundle_id").first().reset_index()

可选：用透视表实现宽表转换 #

如果你的原始数据是长格式（每行对应一个bundle_id+source+指标的组合），可以用透视表更简洁地实现需求：

# 将数据转换为长格式
df_long = df.melt(id_vars=["bundle_id", "source"], var_name="metric", value_name="value")
# 为source='a'的指标添加前缀
df_long["metric"] = df_long.apply(
    lambda row: f"seed_{row['metric']}" if row["source"] == "a" else row["metric"],
    axis=1
)
# 转回宽格式并按bundle_id分组
final_df = df_long.pivot_table(
    index="bundle_id",
    columns="metric",
    values="value",
    aggfunc="first"
).reset_index()

运行上述代码后，final_df就是符合你要求的输出结果。

内容的提问来源于stack exchange，提问作者Gururaj B R