使用Pandas按客户分组将多行Cost值合并为单行多列

需将DataFrame中同一客户的所有Cost值合并到同一行，第一个Cost值保留在原Cost列，其余依次放入Cost1、Cost2列，无对应值填充NaN。

原始DataFrame #

期望结果 #

用Pandas可以通过分组、添加组内序号再重塑数据的方式实现需求，代码示例如下：

import pandas as pd

# 创建原始数据
df = pd.DataFrame({
    'Customer': ['Jane Doe', 'Jane Doe', 'Jane Doe', 'John Doe'],
    'Cost': [100, 300, 10, 300]
})

# 为每个客户的Cost记录添加组内序号（从0开始）
df['group_idx'] = df.groupby('Customer').cumcount()

# 透视转换，将组内序号转为列
pivot_df = df.pivot(index='Customer', columns='group_idx', values='Cost')

# 重命名列，匹配需求的Cost、Cost1、Cost2格式
pivot_df.columns = ['Cost'] + [f'Cost{i}' for i in range(1, pivot_df.shape[1])]

# 重置索引，让Customer回到列的位置
final_df = pivot_df.reset_index()

print(final_df)

步骤解释 #

1. 添加组内序号：cumcount()为每个客户的每一条记录生成递增的序号，用来区分同一个客户下的不同Cost值。
2. 透视重塑：pivot()把纵向的序号转为横向的列，每个序号对应一个Cost值。
3. 列名调整：将第0列保留为Cost，后续列依次命名为Cost1、Cost2，符合需求格式。
4. 重置索引：把Customer从索引转换为普通列，得到最终的表格结构。

执行代码后输出的结果完全匹配期望效果，缺失的位置会自动填充NaN。

内容的提问来源于stack exchange，提问作者Ceci V