如何在Python中正确拆分或重塑数据集为宽格式？

我有如下初始数据集：

希望转换为如下格式：

请问如何在Python中实现这一数据集的拆分或重塑操作？

可以用Python的pandas库完成这个数据重塑操作，核心思路是先为每个客户的分组添加行序号，再将长格式数据转成宽格式。

步骤1：导入库并加载数据 #

先准备初始数据，这里用字典模拟，实际场景也可以从CSV/Excel等文件读取：

import pandas as pd

data = {
    '列A': ['客户1', '客户1', '客户1', '客户2', '客户3', '客户3'],
    '列B': ['xxxxxx', 'yyyyyy', 'zzzzzz', 'aaaaaa', '', 'cccccc'],
    '列C': ['ppppp', 'ppppp', 'uuuuu', '', 'bbbbb', 'ddddd']
}

df = pd.DataFrame(data)

步骤2：为分组添加行序号 #

按列A分组，给每个客户下的行标记序号，区分同一客户的不同记录：

df['序号'] = df.groupby('列A').cumcount() + 1

执行后，客户1的三行分别标记1、2、3，客户2标记1，客户3标记1、2。

步骤3：转换为宽格式 #

用pivot方法将长数据转成宽数据，再整理列名：

# 转宽格式
pivoted_df = df.pivot(index='列A', columns='序号', values=['列B', '列C'])

# 合并多层列名，生成列B2、列C2这类命名
pivoted_df.columns = [f'{col[0]}{col[1]}' if col[1] > 1 else col[0] for col in pivoted_df.columns]

# 把列A从索引转回普通列，补全缺失值为空字符串
pivoted_df = pivoted_df.reset_index().fillna('')

步骤4：调整列顺序（可选） #

如果需要和目标表格的列顺序完全匹配，手动指定列顺序即可：

final_columns = ['列A', '列B', '列C', '列B2', '列C2', '列B3', '列C3']
pivoted_df = pivoted_df[final_columns]

运行以上代码后，pivoted_df就是符合需求的数据集。

内容的提问来源于stack exchange，提问作者NA89