使用Pandas转换Playwright爬取的用户组管理员数据格式求助

直接上代码和步骤，对应你的需求：

1. 模拟初始数据（替换成你爬取到的DataFrame） #

先构造和你爬取结果一致的示例数据，方便你对照：

import pandas as pd

# 你爬取到的初始表格结构：姓名为行，各组为列，"A"表示管理员
raw_data = {
    "姓名": ["张三", "李四", "王五"],
    "市场组": ["A", "", "A"],
    "技术组": ["", "A", "A"],
    "运营组": ["A", "A", ""]
}
df = pd.DataFrame(raw_data)

2. 转换步骤 #

第一步：将宽表转长表 #

把原来的列（各组）转成行数据，保留姓名和管理员标记：

# 拆解表格，得到「姓名-组名-是否管理员」的长格式数据
melted_df = df.melt(id_vars="姓名", var_name="组名", value_name="管理员标记")

第二步：筛选管理员记录 #

只保留标记为"A"的行，去掉无用的标记列：

admin_only = melted_df[melted_df["管理员标记"] == "A"].drop(columns="管理员标记")

第三步：按组聚合管理员姓名 #

把每个组对应的所有管理员姓名收集起来：

# 按组名分组，将姓名转为列表
grouped_admins = admin_only.groupby("组名")["姓名"].apply(list).reset_index()

第四步：展开列表为多列 #

把每个组的管理员列表拆分成独立列，列名设为「管理员1」「管理员2」这类：

# 将列表拆分为多列
final_df = pd.DataFrame(grouped_admins["姓名"].tolist(), index=grouped_admins["组名"]).reset_index()
# 重命名列
final_df.columns = ["组名"] + [f"管理员{i+1}" for i in range(final_df.shape[1]-1)]

3. 最终效果 #

运行后final_df的结构就是你要的：

如果某个组的管理员数量少于最大数量，空值会显示NaN，可以用final_df.fillna("")把空值替换成空字符串。

特殊情况处理 #

如果你的初始数据是把姓名设为索引的（比如爬取后直接用姓名当行索引），先执行df = df.reset_index().rename(columns={"index": "姓名"})把姓名转成普通列再按上面的步骤处理。

内容的提问来源于stack exchange，提问作者Dinerz