Python脚本实现指定列值转置为多列的技术需求

问题描述 #

现有如下结构的DataFrame：

需要将其转换为每个customer_id对应一行的格式，输出列包括：customer_id、customer_location、customer_contact_id1、customer_contact_id2、customer_contact_id3、customer_contact_location1、customer_contact_location2、customer_contact_location3，最终输出数据如下：

同时脚本需满足以下要求：

• 以输入DataFrame为处理对象
• 转置联系人层级数据，实现单customer_id对应单行
• 以全量数据中单个customer_id对应的联系人最大数量，作为每个联系人属性的列数（示例中最大值为3，故各生成3列）
• 支持动态配置：可自定义无需转置的客户层级列和需要转置的联系人层级列，便于后续扩展属性

实现代码 #

import pandas as pd

# 构造示例输入DataFrame
data = [
    [1, "ES", 10, "DE"],
    [1, "ES", 11, "DE"],
    [1, "ES", 12, "FR"],
    [2, "FR", 20, "GB"],
    [3, "ES", 87, "ES"],
    [3, "ES", 88, "ES"]
]
df = pd.DataFrame(data, columns=["customer_id", "customer_location", "customer_contact_id", "customer_contact_location"])

# 动态配置项
# 客户层级列：无需转置的列
customer_cols = ['customer_id', 'customer_location']
# 联系人层级列：需要转置的列
contact_cols = ['customer_contact_id', 'customer_contact_location']
# 计算单个客户对应的最大联系人数量
max_contact_count = df.groupby('customer_id').size().max()

# 为每个客户的联系人添加序号
df['contact_seq'] = df.groupby('customer_id').cumcount() + 1

# 拆分客户层级和联系人层级数据，分别处理
customer_df = df[customer_cols].drop_duplicates()
contact_df = df[customer_cols + contact_cols + ['contact_seq']]

# 对联系人数据进行透视，生成带序号的列
pivoted_contact = contact_df.pivot(
    index=customer_cols,
    columns='contact_seq',
    values=contact_cols
)

# 重命名列，格式为"原列名+序号"
pivoted_contact.columns = [f"{col[0]}{col[1]}" for col in pivoted_contact.columns]

# 合并客户层级数据和透视后的联系人数据
result_df = customer_df.merge(pivoted_contact, on=customer_cols, how='left')

# 按指定列顺序排序（可选，保证列顺序符合预期）
sorted_columns = customer_cols + [f"{col}{i}" for col in contact_cols for i in range(1, max_contact_count+1)]
result_df = result_df[sorted_columns]

# 打印结果（空值替换为空字符串）
print(result_df.fillna('').to_csv(sep=',', index=False))

配置说明 #

• customer_cols：定义无需转置的客户核心属性列，新增客户属性时直接添加到列表即可
• contact_cols：定义需要按联系人序号转置的属性列，新增联系人属性时直接添加到列表即可
• max_contact_count：自动计算全量数据中单个客户的最多联系人数量，动态生成对应数量的转置列

内容的提问来源于stack exchange，提问作者Kristina