如何在Python Pandas中将分组值转置为列？（附数据示例）

你可以用Pandas的pivot()方法直接实现这个转换，步骤如下：

1. 准备示例数据 #

先还原你的原始DataFrame：

import pandas as pd

data = {
    'ID': [22, 22, 22, 33, 33, 44, 44],
    'Product': ['product1', 'product2', 'product3', 'product2', 'product3', 'product1', 'product4'],
    'Amount': ['$10', '$20', '$30', '$4', '$5', '$78', '$90']
}
df = pd.DataFrame(data)

2. 使用pivot()转换格式 #

直接调用pivot()，指定索引、列值和填充值：

pivoted_df = df.pivot(index='ID', columns='Product', values='Amount').reset_index()
# 移除默认的列层级名称
pivoted_df.columns.name = None

执行后得到的结果接近目标格式：

ID product1 product2 product3 product4
0  22      $10      $20      $30      NaN
1  33      NaN       $4       $5      NaN
2  44      $78      NaN      NaN      $90

如果需要把空值NaN替换为空字符串，匹配你想要的输出样式，再加一步：

pivoted_df = pivoted_df.fillna('')

最终结果：

ID product1 product2 product3 product4
0  22      $10      $20      $30         
1  33                $4       $5         
2  44      $78                        $90

特殊情况处理 #

如果你的数据中存在同一个ID+Product的重复行，pivot()会报错，这时可以改用pivot_table()并指定聚合方式（比如取第一个值）：

pivoted_df = df.pivot_table(index='ID', columns='Product', values='Amount', aggfunc='first').reset_index()
pivoted_df.columns.name = None
pivoted_df = pivoted_df.fillna('')

内容的提问来源于stack exchange，提问作者AB SEA