如何用Pandas重构DataFrame：将重复相似行转换为新列？

输入DataFrame #

实现方法 #

可以用Pandas的pivot或pivot_table方法完成长格式到宽格式的转换，两种方法都能满足需求：

方法1：使用pivot（适用于无重复分组的场景）

import pandas as pd

# 构造输入数据
df = pd.DataFrame({
    'Name': ['John', 'John', 'John', 'Brad', 'Brad', 'Brad'],
    'Phrase number': ['Phrase 1', 'Phrase 2', 'Phrase 3', 'Phrase 1', 'Phrase 2', 'Phrase 3'],
    'Words said': ['Hi!', 'How are you?', 'Is everything okay?', 'Hello!', 'I am good!', 'How are you?']
})

# 行转列重构
result_df = df.pivot(
    index='Name',        # 作为行标识的列
    columns='Phrase number',  # 转换为新列的列
    values='Words said'       # 填充新列的内容
).reset_index()

# 移除列索引的名称，让输出更整洁
result_df.columns.name = None

方法2：使用pivot_table（适用于存在重复分组的场景，兼容性更强）

如果你的数据中存在同一(Name, Phrase number)组合对应多个值的情况，用pivot_table可以通过aggfunc指定聚合方式（比如取第一个、求和、均值等），这里我们用first取第一个值：

result_df = df.pivot_table(
    index='Name',
    columns='Phrase number',
    values='Words said',
    aggfunc='first'
).reset_index()

result_df.columns.name = None

输出结果 #

执行代码后得到的DataFrame如下：

内容的提问来源于stack exchange，提问作者Vasily Ovechko