如何扁平化Pandas DataFrame：实现单员工单行展示

可以通过以下步骤实现需求：

1. 为每个员工的调动记录添加序号
   按employee_id分组，给每组内的记录分配从1开始的递增序号，后续用这个序号生成对应列名。

2. 重塑数据结构
   使用pivot方法将长格式数据转为宽格式，以employee_id为索引，序号为列层级，company和transfer_date为值。

3. 调整列名格式
   将列的层级合并为companyN和transfer_dateN的格式，同时把employee_id从索引转回普通列。

4. 填充缺失值
   用NaN填充无对应调动记录的列（pandas默认会自动填充）。

完整代码示例 #

import pandas as pd

# 构造示例数据
data = {
    'employee_id': [1743, 1743, 1743, 1744],
    'company': ['cmp1', 'cmp2', 'cmp3', 'cmp5'],
    'transfer_date': ['2018-04-30', '2018-10-05', '2019-10-23', '2022-11-11']
}
df = pd.DataFrame(data)

# 添加调动序号
df['seq'] = df.groupby('employee_id').cumcount() + 1

# 重塑数据
pivoted = df.pivot(index='employee_id', columns='seq', values=['company', 'transfer_date'])

# 调整列名格式
pivoted.columns = [f'{col[0]}{col[1]}' for col in pivoted.columns]
result = pivoted.reset_index()

# 填充缺失值（可选，默认已为NaN）
result = result.fillna(pd.NA)

print(result)

输出结果 #

employee_id company1 transfer_date1 company2 transfer_date2 company3 transfer_date3
0         1743     cmp1     2018-04-30     cmp2     2018-10-05     cmp3     2019-10-23
1         1744     cmp5     2022-11-11      NaN            NaN      NaN            NaN

扩展说明 #

如果员工新增第4次调动记录，只需在原始DataFrame中添加对应行，代码会自动生成company4和transfer_date4列——cumcount()会自动识别新的序号，pivot也会自动扩展列数，无需修改核心逻辑。

内容的提问来源于stack exchange，提问作者Kritz