如何合并一对多关系的两个Pandas DataFrame并转为宽表

原始数据 #

person_df1（人员信息表）：

import pandas as pd

person_data = [{'Id': 3763058, 'Name': 'Andi', 'description': 'abc'},
               {'Id': 3763077, 'Name': 'Mark', 'description': 'xyz'}]
person_df1 = pd.DataFrame(person_data)

object_df2（人员物品表，一对多关系）：

object_data = [{'Id': 3763058, 'object_name': 'PlayStation', 'object_count': 2},
               {'Id': 3763077, 'object_name': 'MathsBook',   'object_count': 1},
               {'Id': 3763058, 'object_name': 'MusicSystem', 'object_count': 3},
              ]
object_df2 = pd.DataFrame(object_data)

期望结果 #

将物品名称转为列，按人员Id匹配数量，无物品的填0：

解决方案 #

不用手动创建列再逐个赋值，用pandas的pivot_table透视物品表，再和人员表合并即可：

import pandas as pd

# 1. 透视物品表：把object_name转成列，用object_count填充，按Id分组
object_pivot = object_df2.pivot_table(
    index='Id',
    columns='object_name',
    values='object_count',
    aggfunc='sum'  # 同一个Id+物品不会重复，sum不影响结果
).reset_index()

# 2. 和人员表按Id合并，保留所有人员信息
result_df = pd.merge(person_df1, object_pivot, on='Id', how='left')

# 3. 把缺失的物品数量补0，再转成整数类型
result_df = result_df.fillna(0)
result_df[object_pivot.columns[1:]] = result_df[object_pivot.columns[1:]].astype(int)

display(result_df)

说明 #

• pivot_table自动生成所有唯一物品名作为列，无需手动提取列名
• how='left'确保所有人员信息都被保留，即使没有对应物品
• fillna(0)把无物品的位置补0，完全匹配需求

内容的提问来源于stack exchange，提问作者SAGY