如何在Pandas中按组展平DataFrame并创建新列

我来帮你搞定这个数据重塑的需求！你需要把每个家庭的多条记录合并成一行，同时按顺序展示每个孩子的年龄，还得保留父亲的年龄。下面是具体的实现步骤：

1. 准备原始数据 #

首先我们先把你提供的DataFrame创建出来：

import pandas as pd

# 原始数据
df = pd.DataFrame({
    'Id_household': [1,1,1,1,2,3,3],
    'Age_Father': [30,30,30,30,27,40,40],
    'Age_child': [2,4,4,1,4,14,18]
})

2. 对每个家庭的孩子年龄排序并编号 #

观察你想要的结果，每个家庭的孩子年龄是按从小到大排列的，所以我们先对每个家庭的孩子年龄排序，然后给每个孩子分配一个序号（1、2、3...）：

# 按家庭分组，对孩子年龄升序排序
df_sorted = df.sort_values(['Id_household', 'Age_child'])

# 给每个家庭内的排序后的孩子添加序号（从1开始）
df_sorted['child_num'] = df_sorted.groupby('Id_household').cumcount() + 1

3. 转成宽格式并整理列名 #

接下来用pivot_table把长格式转成宽格式，同时给列名改成你想要的Age_child_1、Age_child_2这种形式：

# 转宽格式，以家庭ID为索引，孩子序号为列，值为孩子年龄
wide_df = df_sorted.pivot_table(
    index='Id_household',
    columns='child_num',
    values='Age_child',
    aggfunc='first'  # 每个序号对应唯一的年龄，用first即可
).rename(columns=lambda x: f'Age_child_{x}')

4. 添加父亲年龄并调整列顺序 #

因为每个家庭的父亲年龄是固定的，我们把它合并到宽格式的DataFrame里，并且放到最前面：

# 获取每个家庭的父亲年龄（取第一个值即可，因为同一家庭的父亲年龄都一样）
wide_df['Age_Father'] = df.groupby('Id_household')['Age_Father'].first()

# 调整列顺序，把Age_Father放到最左边
wide_df = wide_df[['Age_Father'] + [col for col in wide_df.columns if col != 'Age_Father']]

最终结果 #

运行完上面的代码后，你就能得到和预期完全一致的结果：

Age_Father  Age_child_1  Age_child_2  Age_child_3  Age_child_4
Id_household                                                              
1                    30          1.0          2.0          4.0          4.0
2                    27          4.0          NaN          NaN          NaN
3                    40         14.0         18.0          NaN          NaN

如果不需要把Id_household作为索引，只需要加上wide_df = wide_df.reset_index()就能把它变回普通列啦。

内容的提问来源于stack exchange，提问作者Adrien Pacifico