如何按ID分组合并Pandas DataFrame，将多行转为多列？

针对你给出的DataFrame，要实现每个ID仅占一行的格式，可以通过生成组内序号+转宽表的方式完成，具体步骤如下：

完整实现代码 #

import pandas as pd

# 原始数据
dat = pd.DataFrame({'id':[1,1,1,2,2,3,4,4], 'code': ["A","B","D","B","D","A","A","D"], 'amount':[11,2,5,22,5,32,11,5]})

# 1. 为每个ID下的行生成序号（从1开始，对应目标中的1/2/3后缀）
dat['seq'] = dat.groupby('id').cumcount() + 1

# 2. 将行转成列，以id为索引，seq为列分组，值为code和amount
pivoted = dat.pivot(index='id', columns='seq', values=['code', 'amount'])

# 3. 合并多层列名，生成code1、amount1这类格式
pivoted.columns = pivoted.columns.map(lambda x: f"{x[0]}{x[1]}")

# 4. 重置索引，把id从索引转为普通列
result = pivoted.reset_index()

# 5. 调整列顺序，匹配目标格式的code1/amount1交替排列
col_order = ['id'] + [f'{col}{i}' for i in range(1,4) for col in ['code', 'amount']]
result = result[col_order]

# 查看结果
print(result)

代码说明 #

1. 生成组内序号：用groupby('id').cumcount()统计每个ID下的行索引，加1后得到1、2、3的序号，用来区分同一ID的不同行。
2. 转宽表：pivot方法将每个ID下的多行数据转为列，此时会生成多层列索引（上层是code/amount，下层是序号）。
3. 合并列名：通过map将多层列名拼接成code1、amount1的格式。
4. 调整列顺序：重新排列列的顺序，确保code和amount按序号交替出现，和目标格式完全匹配。

运行后输出结果如下：

id code1 amount1 code2 amount2 code3 amount3
0   1     A      11     B       2     D       5
1   2     B      22     D       5   NaN     NaN
2   3     A      32   NaN     NaN   NaN     NaN
3   4     A      11     D       5   NaN     NaN

内容的提问来源于stack exchange，提问作者sfluck