基于列中重复值重塑Pandas DataFrame的方法

嘿，我完全懂你想要的效果——把同一动物的多行记录合并成一行，每个原始字段带上序号后缀横向排列。这在Pandas里用分组+重塑的方法就能轻松实现，给你一步步拆解：

步骤1：构造示例数据（还原你的数据集） #

先把你给出的数据集用Pandas构造出来，方便后续操作：

import pandas as pd

df = pd.DataFrame({
    'Animal': ['Cat', 'Cat', 'Cat', 'Dog', 'Dog', 'Dog'],
    'Age': [1, 2, 3, 1, 2, 3],
    'Color': ['Brown', 'White', 'Brown', 'White', 'White', 'White'],
    'Length': ['50cm', '60cm', '55cm', '99cm', '129cm', '105cm']
})

步骤2：给每组数据添加序号标记 #

咱们需要给每个Animal组内的行分配一个从1开始的序号，这样后续才能生成Age_1、Color_2这类带序号的列名：

# 按Animal分组，给每组内的行计数（默认从0开始），加1让序号从1起步
df['group_idx'] = df.groupby('Animal').cumcount() + 1

步骤3：重塑数据为宽表格式 #

用pivot方法把长表转成宽表，再整理列名：

# 以Animal为索引，group_idx为列，其余字段为值进行重塑
wide_df = df.pivot(index='Animal', columns='group_idx')

# 把多级列名（比如('Age', 1)）合并成"字段名_序号"的格式
wide_df.columns = [f'{col_name}_{idx}' for col_name, idx in wide_df.columns]

# 重置索引，让Animal从索引变回普通列
wide_df = wide_df.reset_index()

最终效果 #

运行完上面的代码后，wide_df就会变成你想要的格式：

补充说明 #

如果你的数据集里存在组内行数不一致的情况（比如有的动物只有2条记录），pivot会自动用NaN填充缺失的位置，要是想指定填充值，可以在pivot里加fill_value参数，比如：

wide_df = df.pivot(index='Animal', columns='group_idx', fill_value='无数据')

内容的提问来源于stack exchange，提问作者user21398