如何用Pandas分组并为每个分组值生成对应列实现宽表转换？

要实现把垂直结构的DataFrame按posteam分组，将每个offense_grouping对应的snap_ct和personnel_epa转为前缀带分组值的独立列，最终每个posteam仅保留一行，可以用Pandas的pivot或pivot_table方法，步骤如下：

1. 基础实现（无重复分组） #

假设你的原始DataFrame名为df，结构类似：

执行以下代码：

# 透视转换：以posteam为行，offense_grouping为列，指定要转换的数值列
wide_df = df.pivot(index='posteam', columns='offense_grouping', values=['snap_ct', 'personnel_epa'])

# 合并多级列名，生成"personnel_分组值_字段名"的格式
wide_df.columns = [f'personnel_{col[1]}_{col[0]}' for col in wide_df.columns]

# 可选：把posteam从索引转回普通列
wide_df = wide_df.reset_index()

执行后得到的宽表结构会是：

2. 处理重复分组（同一posteam+offense_grouping有多行） #

如果原始数据中存在同一个posteam和offense_grouping组合对应多行数据，需要用pivot_table指定聚合规则（比如求和、取均值）：

# 用sum聚合重复值，可根据需求换成'mean'/'max'等
wide_df = df.pivot_table(
    index='posteam',
    columns='offense_grouping',
    values=['snap_ct', 'personnel_epa'],
    aggfunc='sum'
)

# 同样处理列名和索引
wide_df.columns = [f'personnel_{col[1]}_{col[0]}' for col in wide_df.columns]
wide_df = wide_df.reset_index()

关键逻辑说明 #

• pivot/pivot_table负责将行维度的offense_grouping转为列维度，同时映射对应的snap_ct和personnel_epa值
• 列名合并时，col[1]取的是offense_grouping的分组值，col[0]取的是原始字段名（snap_ct/personnel_epa），按需求拼接成目标格式

内容的提问来源于stack exchange，提问作者jwald3