如何在Pandas中基于单列扩展特征并合并同年度数据行？

你可以用pandas的pivot方法，或是调整pivot_table的参数来实现这个格式转换，具体操作如下：

1. 基础转换（无重复行场景） #

假设你的原始DataFrame名为df，直接使用pivot方法指定行索引、列标识和数值来源：

import pandas as pd

# 执行转换
result_df = df.pivot(
    index=['year', 'school'], 
    columns='occupation', 
    values=['a', 'b', 'c']
)

2. 整理列名 #

上面的代码会生成多层级列名，需要合并成你需要的engineer_a这类格式，同时把索引列还原为普通列：

# 合并多层列名
result_df.columns = [f'{col[1]}_{col[0]}' for col in result_df.columns]
# 重置索引
result_df = result_df.reset_index()

3. 处理存在重复行的场景 #

如果原始数据里，同一year+school+occupation组合有多条记录，用pivot会报错，这时候改用pivot_table并指定聚合逻辑（比如取第一条、求和、求平均，根据你的需求选）：

result_df = df.pivot_table(
    index=['year', 'school'],
    columns='occupation',
    values=['a', 'b', 'c'],
    aggfunc='first'  # 这里用first取第一条，也可以换成sum/mean等
)

# 同样整理列名和索引
result_df.columns = [f'{col[1]}_{col[0]}' for col in result_df.columns]
result_df = result_df.reset_index()

完成以上步骤后，就能得到你想要的同年度数据合并为单行的DataFrame了。

内容的提问来源于stack exchange，提问作者Andrew