如何基于正则模式将DataFrame列透视为指定格式的多列？

你的DataFrame有33列，列名格式为Description_1_1、Description_2_1这类，需要生成11个目标列（Description_1至Description_8、Description_91至Description_93），核心思路是按原列名最后一个下划线后的数字分组，再将同组列转回宽表，具体步骤如下：

方法一：用melt+分组+pivot实现（直观易理解） #

1. 筛选目标列并转长表，保留分组标识

import pandas as pd

# 筛选所有以Description开头的列
desc_cols = [col for col in df.columns if col.startswith('Description')]
# 转长表，uuid作为唯一标识
long_df = df.melt(id_vars=['uuid'], value_vars=desc_cols, var_name='original_col', value_name='value')
# 提取原列名最后一段数字作为分组键，生成目标列名
long_df['group_key'] = long_df['original_col'].str.split('_').str[-1]
long_df['target_col'] = 'Description_' + long_df['group_key']

2. 转回宽表得到目标列
   如果同一分组下有多个值（比如每个目标列对应3个原列），可以用聚合函数合并（比如字符串拼接）：

# 聚合合并同一组的多个值，转回宽表
result_df = long_df.pivot_table(
    index='uuid',
    columns='target_col',
    values='value',
    aggfunc=lambda x: ', '.join(x.astype(str))  # 可根据需求替换为sum、first等
).reset_index()

# 重命名列名，去掉target_col层级
result_df.columns.name = None

方法二：用wide_to_long简化步骤 #

如果你坚持用wide_to_long，可以调整参数后再处理分组：

# 拆分原列名，j捕获下划线后的所有内容
temp_df = pd.wide_to_long(
    df,
    stubnames=['Description'],
    i=['uuid'],
    j='full_suffix',
    suffix=r'.+'  # 匹配下划线后的任意字符
).reset_index()

# 提取full_suffix的最后一段数字作为分组键
temp_df['group_key'] = temp_df['full_suffix'].astype(str).str.split('_').str[-1]
temp_df['target_col'] = 'Description_' + temp_df['group_key']

# 转回宽表
result_df = temp_df.pivot_table(
    index='uuid',
    columns='target_col',
    values='Description',
    aggfunc=lambda x: ', '.join(x.astype(str))
).reset_index()
result_df.columns.name = None

执行后，原列Description_1_1、Description_2_1、Description_3_1会被合并到Description_1列，Description_1_2等对应Description_2列，以此类推，最终生成你需要的11个目标列。

内容的提问来源于stack exchange，提问作者Ezio