Pandas：将多行数据合并为单行的实现方案

我有如下DataFrame：

ID    TYPE      SN      Notes
0    01                      Lorem Ipsum
1    02    apple     aa11    Dummy text
2    02    banana    ab12    Dummy text
3    03    orange    ad04    Random text
4    04                      Latin words
5    05    apple     ac03    Randomised words
6    05    banana    ac04    Randomised words
7    05    orange    aa41    Randomised words
8    05    cherry    af12    Randomised words
9    06    apple     aa32    Dolorem Ipsum

其中存在ID相同、Notes列值相同，但TYPE和SN列有时为空有时非空的行。

我希望将现有DataFrame转换为按ID分组合并为单行的形式，如下所示：

ID   TYPE_1   TYPE_2   TYPE_3   TYPE_4   SN_1   SN_2   SN_3   SN_4   Count   Notes
0    01                                                                   0       Lorem Ipsum
1    02   apple    banana                     aa11   ab12                 2       Dummy text
2    03   orange                              ad04                        1       Random text
3    04                                                                   0       Latin words
4    05   apple    banana   orange   cherry   ac03   ac04   aa41   af12   4       Randomised words
5    06   apple                               aa32                        1       Dolorem Ipsum

我知道需要按ID分组，但后续该如何操作？不同DataFrame中同一ID的行数不确定，无法预先创建对应列，请问该如何实现？

可以用Pandas的分组、序号标记及透视表组合操作实现，核心逻辑是给每个ID下的行分配序号，再通过透视把TYPE和SN列自动展开为多列，无需预先定义列数：

步骤1：导入库并构造原数据 #

import pandas as pd

data = {
    'ID': ['01', '02', '02', '03', '04', '05', '05', '05', '05', '06'],
    'TYPE': ['', 'apple', 'banana', 'orange', '', 'apple', 'banana', 'orange', 'cherry', 'apple'],
    'SN': ['', 'aa11', 'ab12', 'ad04', '', 'ac03', 'ac04', 'aa41', 'af12', 'aa32'],
    'Notes': ['Lorem Ipsum', 'Dummy text', 'Dummy text', 'Random text', 'Latin words', 
              'Randomised words', 'Randomised words', 'Randomised words', 'Randomised words', 'Dolorem Ipsum']
}
df = pd.DataFrame(data)

步骤2：给每个ID下的行添加序号 #

按ID分组后，为每组内的行分配从1开始的序号，作为后续列名的后缀：

df['seq'] = df.groupby('ID').cumcount() + 1

步骤3：透视展开TYPE和SN列 #

通过透视表把行转成列，自动生成TYPE_1、SN_1这类命名的列：

type_df = df.pivot(index='ID', columns='seq', values='TYPE').add_prefix('TYPE_')
sn_df = df.pivot(index='ID', columns='seq', values='SN').add_prefix('SN_')

步骤4：统计有效行数（Count列） #

统计每个ID下TYPE非空的行数，全为空则记为0：

count_df = df.groupby('ID')['TYPE'].apply(lambda x: x[x != ''].count()).rename('Count')

步骤5：提取唯一的Notes值 #

同一ID的Notes值一致，直接取每组第一个值：

notes_df = df.groupby('ID')['Notes'].first()

步骤6：合并结果并整理列顺序 #

将所有子DataFrame合并，调整列顺序到目标格式：

result = pd.concat([type_df, sn_df, count_df, notes_df], axis=1).reset_index()

# 调整列顺序，匹配目标格式
cols = ['ID'] + [col for col in result.columns if col.startswith('TYPE_')] + \
       [col for col in result.columns if col.startswith('SN_')] + ['Count', 'Notes']
result = result[cols].fillna('')

执行后result即为所需格式，无论每个ID有多少行，都会自动生成对应数量的TYPE和SN列。

内容的提问来源于stack exchange，提问作者bhdrozgn