如何将DataFrame中同一id的多行合并为一行并展开code列？

核心思路 #

先给每个ID的行添加组内序号，把Code列按序号拆分成新列，再和非Code列合并（默认假设同一ID下非Code列值一致，若不一致可调整聚合规则）。

具体实现步骤 #

以下是基于Pandas的完整代码示例：

1. 导入库并创建示例数据

import pandas as pd

# 模拟你的数据结构
data = {
    'id': [1,1,2],
    'hours1': [8,8,7],
    'hours2': [6,6,5],
    'id_2': [101,101,102],
    'status': ['active','active','inactive'],
    'timeweeks': [202401,202401,202402],
    'code1': ['A', None, 'B'],
    'code2': [None, 'C', 'D'],
    'code3': ['E', 'F', None]
}
df = pd.DataFrame(data)

2. 给每个ID的行添加组内序号

这个序号用来给后续的Code列命名（比如code1_1对应同一ID下第1行的code1值）：

df['row_num'] = df.groupby('id').cumcount() + 1  # 从1开始编号，匹配你要的_1、_2后缀

3. 分离并处理非Code列

如果同一ID下非Code列值完全一致，直接去重保留唯一值：

non_code_cols = ['id', 'hours1', 'hours2', 'id_2', 'status', 'timeweeks']
non_code_df = df[non_code_cols].drop_duplicates(subset='id').set_index('id')

如果同一ID下非Code列存在不同值，替换成聚合逻辑即可，比如取第一个值：df.groupby('id')[non_code_cols].first()，或取均值、最大值等。

4. 处理Code列，转成带序号的独立列

用unstack把同一ID的多行Code值展开成宽表，并重命名列：

code_cols = ['code1', 'code2', 'code3']
code_df = df.set_index(['id', 'row_num'])[code_cols].unstack()
# 重命名列，格式为「原列名_序号」
code_df.columns = [f'{col}_{num}' for col, num in code_df.columns]

5. 合并结果

把非Code列和处理后的Code列合并，得到最终格式的DataFrame：

result = non_code_df.join(code_df).reset_index()
print(result)

结果示例 #

运行后会得到如下结构的结果：

为什么groupby转字典不行？ #

直接用groupby转字典的方式，没法精准控制Code列的展开逻辑，容易把多行Code值打包成列表，而不是拆分成独立列。上面的方法通过序号标记+宽表转换，能精准实现你要的列名格式和结构。

内容的提问来源于stack exchange，提问作者Lurri