如何重塑Pandas DataFrame，按transaction列展示对应clean_words

你之前用pivot_table的方式会把clean_words作为索引，导致重复词汇被合并，结构也不符合预期。要实现将transaction作为列、对应clean_words按行展示的效果，可按以下步骤操作：

步骤1：为每个transaction内的词汇添加行号 #

通过分组并生成累计计数，给每个transaction里的词汇分配唯一的行位置，确保后续重塑时词汇能按原有顺序排列：

import pandas as pd

data = {'clean_words':['good','evening','how','are','you','how','can','i','help'],
        'start_time':[1900,2100,2500,2750,2900,1500,1650,1770,1800],
        'end_time':[2100,2500,2750,2900,3000,1650,1770,1800,1950],
        'transaction':[1,1,1,1,1,2,2,2,2]}

df = pd.DataFrame(data)

# 为每个transaction分组内的词汇添加行号
df['row_id'] = df.groupby('transaction')['clean_words'].cumcount()

步骤2：重塑DataFrame #

使用pivot方法，以行号为索引，transaction为列，提取clean_words作为对应值：

result = df.pivot(index='row_id', columns='transaction', values='clean_words')
print(result)

执行后得到的结果如下：

transaction       1     2
row_id                   
0              good   how
1            evening  can
2               how     i
3               are  help
4               you   NaN

该结果完全匹配需求：transaction 1列展示对应的5个词汇，transaction 2列展示对应的4个词汇，长度不足的位置自动填充NaN。

内容的提问来源于stack exchange，提问作者ASH