Pandas宽表转换：保留重复id与原始数据顺序的实现方案

你可以通过添加一个分组序号辅助列来解决这个问题，这样就能在不聚合的情况下完成宽表转换，同时保留原始顺序：

步骤1：添加分组序号 #

先给每个id下的每一组a/b对标记序号，确保pivot时索引唯一：

import pandas as pd

df = pd.DataFrame({
    "id": [1, 1, 1, 1, 2, 2, 2, 2],
    "column": ["a", "b","a", "b", "a", "b", "a", "b"],
    "value": [1, 7, 6, 5, 4, 3, 1, 7]
})

# 给每个id下的每2行（a/b对）分配同一个序号
df['group_num'] = df.groupby('id').cumcount() // 2

步骤2：执行pivot转换 #

用pivot方法，以id和group_num作为复合索引，避免聚合：

pivoted_df = df.pivot(index=['id', 'group_num'], columns='column', values='value')

步骤3：整理结果 #

重命名列名并重置索引，得到目标结构：

# 重命名列，加上value_前缀
pivoted_df = pivoted_df.rename(columns={'a': 'value_a', 'b': 'value_b'}).reset_index(drop=['group_num'])

print(pivoted_df)

运行后输出结果：

id  value_a  value_b
0   1        1        7
1   1        6        5
2   2        4        3
3   2        1        7

这个方法的核心是用辅助列区分同一id下的不同数据组，让pivot操作有唯一的索引键，从而避免自动聚合，同时完全保留原始数据的顺序。

内容的提问来源于stack exchange，提问作者Nikola