如何用Pandas基于两列创建新列并实现聚合结果

核心方法：使用pivot进行数据重塑 #

你的需求本质是将行级的厂商数据转换为列级，Pandas的pivot方法是原生且高效的解决方案，完全不需要转字典处理。

步骤1：执行pivot转换 #

首先通过pivot将Car Maker的不同取值转为列，City作为分组依据，Qty作为对应值：

import pandas as pd

df = pd.DataFrame({'City':['Los Angeles', 'Denver','Denver','Los Angeles'], 
    'Car Maker': ['Ford','Toyota','Ford','Toyota'],
    'Qty': [50000,100000,80000,70000]})

# 执行pivot，将厂商转为列
pivoted = df.pivot(index='City', columns='Car Maker', values='Qty').reset_index()

此时得到的结果已经实现了核心需求：每个城市一行，Ford和Toyota列对应各自的Qty：

步骤2：添加Car Maker列（按需） #

你的目标表格中保留了Car Maker列，但每个城市对应两个厂商，这里我们取每个城市首次出现的厂商值（和你给出的目标一致）：

# 提取每个城市的首个厂商
car_maker_series = df.groupby('City')['Car Maker'].first().reset_index(name='Car Maker')
# 合并到pivot结果中
result = pd.merge(pivoted, car_maker_series, on='City')
# 调整列顺序匹配目标表格
result = result[['City', 'Car Maker', 'Ford', 'Toyota']]

最终得到的result就是你想要的目标表格：

补充说明 #

• 如果你的数据中存在同一城市+同一厂商的多条记录，可以改用pivot_table并指定聚合函数（比如sum）：

  pd.pivot_table(df, index='City', columns='Car Maker', values='Qty', aggfunc='sum').reset_index()
  

• 目标中的Car Maker列实际意义有限（每个城市对应多个厂商），如果不需要可以直接省略步骤2。

内容的提问来源于stack exchange，提问作者Andre