如何将Pandas Dataframe按name聚合并交替展示class与#absence列

先看示例原始数据：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Alice', 'Bob', 'Bob'],
    'class': ['Math', 'English', 'Math', 'Physics'],
    '#absence': [2, 1, 0, 3]
})

要实现按name分组，每个class对应一列class值和一列absence值的宽表结构，可以用pivot结合列名调整来完成：

步骤1：执行pivot操作 #

指定索引为name，列名为class，同时将class和#absence作为值列，生成多级列的DataFrame：

pivoted_df = df.pivot(index='name', columns='class', values=['class', '#absence'])

步骤2：合并多级列名 #

把多级列名合并为可读性更强的单级列名，比如Math_class、Math_absence：

pivoted_df.columns = [f'{col[1]}_{col[0].strip("#")}' for col in pivoted_df.columns]

步骤3：重置索引（可选） #

如果需要把name从索引转为普通列，执行重置索引操作：

pivoted_df = pivoted_df.reset_index()

最终得到的结果如下：

如果你的数据存在name+class的重复组合，可以改用pivot_table并指定聚合函数（比如sum）来处理：

pivoted_df = df.pivot_table(index='name', columns='class', values=['class', '#absence'], aggfunc='sum')

内容的提问来源于stack exchange，提问作者Scott Gambale