Pandas按两列分组，将指定列值转为新列并填充数据

可以通过Pandas的透视表功能实现需求，以下是两种简洁的实现方式：

方法1：使用pivot快速转换 #

import pandas as pd
a = [[0, 4, 'a', 1], [0, 4, 'b', 1], [0, 2, 'a', 0.5], [0, 2, 'b', -1], [0, 2, 'c', 1]]
df = pd.DataFrame(a, columns=['x', 'y', 'features', 'values'])

# 执行透视转换：x、y作为行索引，features转为列，values填充对应位置
df2 = df.pivot(index=['x', 'y'], columns='features', values='values').reset_index()
# 填充缺失值为0，移除列名的层级标签
df2 = df2.fillna(0).rename_axis(None, axis=1)

print(df2)

输出结果：

x  y    a  b  c
0  0  4  1.0  1  0
1  0  2  0.5 -1  1

方法2：显式使用groupby + unstack #

如果需要明确通过groupby操作实现，可采用以下写法：

import pandas as pd
a = [[0, 4, 'a', 1], [0, 4, 'b', 1], [0, 2, 'a', 0.5], [0, 2, 'b', -1], [0, 2, 'c', 1]]
df = pd.DataFrame(a, columns=['x', 'y', 'features', 'values'])

# 按x、y、features分组取值，再将features列展开为表头
df2 = df.groupby(['x', 'y', 'features'])['values'].sum().unstack(fill_value=0).reset_index()
# 移除列名层级标签
df2 = df2.rename_axis(None, axis=1)

print(df2)

关键说明 #

• pivot是Pandas专为长表转宽表场景设计的方法，参数对应关系清晰，转换效率高
• 转换后缺失的features值（如(0,4)组合没有'c'）会生成空值，通过fillna(0)统一填充为0
• reset_index()将原索引列(x,y)转回普通数据列，rename_axis(None, axis=1)移除自动生成的列层级标签，让结果与目标格式完全匹配

内容的提问来源于stack exchange，提问作者Salsa94