如何将含重复行与分类变量的Pandas长表转换为指定格式宽表？

给定的长格式DataFrame如下：

import pandas as pd

df = pd.DataFrame({
    'ID': {0: 101, 1: 101, 2: 101, 3: 102, 4: 102, 5: 102, 6: 102, 7: 102, 8: 103, 9: 103},
    'Category': {0: 'A', 1: 'B', 2: 'C', 3: 'A', 4: 'A', 5: 'A', 6: 'B', 7: 'B', 8: 'A', 9: 'B'}
})

要将其转换为以Role1到Role5为列的宽格式，每个ID对应的Category按顺序填充，不足的用NaN补全，可以按以下步骤操作：

1. 为每个ID分组内的行添加序号，用于生成Role列名

# 按ID分组，给每组内的行分配从1开始的序号
df['role_num'] = df.groupby('ID').cumcount() + 1

2. 转换为宽格式并重命名列

# 转宽格式，ID作为索引，序号作为列，Category作为值
wide_df = df.pivot(index='ID', columns='role_num', values='Category')
# 将列名改为Role1、Role2...格式
wide_df.columns = [f'Role{col}' for col in wide_df.columns]
# 重置索引，让ID变回普通列
wide_df = wide_df.reset_index()

3. 补全到5列，缺失列填充NaN

# 生成需要的Role1到Role5列名列表
required_cols = ['ID'] + [f'Role{i}' for i in range(1, 6)]
# 重新索引，自动为缺失列填充NaN
wide_df = wide_df.reindex(columns=required_cols, fill_value=pd.NA)

最终输出结果：

ID Role1 Role2 Role3 Role4 Role5
0  101     A     B     C  <NA>  <NA>
1  102     A     A     A     B     B
2  103     A     B  <NA>  <NA>  <NA>

如果需要显示NaN而非<NA>，可将最后一步的fill_value改为np.nan（需提前导入import numpy as np）。

内容的提问来源于stack exchange，提问作者Anakin Skywalker