如何用Pandas将每组含多观测的DataFrame转换为单观测行

嘿，这个需求很常见，我来给你一步步演示怎么实现。首先我得确认下核心需求：你想把每个分组（看起来你这里是按type列分组，每个type对应多条观测）的多行数据，摊平成一行，每个字段带上序号区分不同的观测，对吧？

先从创建示例数据开始，和你给的原始数据一致：

import pandas as pd

# 原始数据
df = pd.DataFrame({
    'type': ['A', 'A', 'B', 'B'],
    'value': [1, 2, 3, 1],
    'group': [0.3, 0.1, 0.2, 0.1]
})

步骤1：给每个分组内的观测添加序号 #

我们需要给同一type下的每一行分配一个唯一的序号，这样后续才能把它们转成不同的列。用groupby.cumcount()就能轻松做到，我习惯从1开始编号，这样列名更直观：

df['obs_num'] = df.groupby('type').cumcount() + 1

这时候数据会变成这样：

步骤2：重塑数据为单行格式 #

接下来用pivot函数把行转成列，以type为索引，obs_num作为列的层级，把value和group都转成对应序号的列：

pivoted_df = df.pivot(index='type', columns='obs_num')

这时候会得到一个多层列索引的DataFrame，我们需要把多层列名合并成更友好的格式，比如value1、group1：

# 合并列名
pivoted_df.columns = [f'{col_name}{obs_num}' for col_name, obs_num in pivoted_df.columns]
# 把type从索引变回普通列
final_df = pivoted_df.reset_index()

最终结果 #

运行完上面的代码，你会得到这样的DataFrame（我猜你给的示例里列名可能有点笔误，这个格式更符合逻辑）：

适配可变数量的观测 #

如果你的分组里观测数量不固定（比如有的组3条，有的组2条），这个方法也完全适用——多余的列会自动生成，没有值的位置会填充NaN，你可以根据需求用fillna()处理这些空值。

另外，如果你实际的分组依据不是type而是其他列（比如group列），只需要把groupby的参数改成对应的列名就行，逻辑完全一致。

内容的提问来源于stack exchange，提问作者pfuhlert