如何使用pandas按指定列聚合并将分组值转换为独立新列

你的需求属于典型的长表转宽表操作，优先使用pandas内置的透视方法实现，代码简洁且运行效率最高：

• 当每个time和mech的组合对应唯一mes值时（也就是你给出的样例数据场景），直接用pivot即可：

import pandas as pd

# 样例数据初始化
df = pd.DataFrame({
    'time': [1,2,3,1,2,3],
    'mes': [50,15,16,17,49,62],
    'mech': ['A','A','A','B','B','B']
})

# 核心转换逻辑
result = df.pivot(
    index='time',
    columns='mech',
    values='mes'
).add_prefix('mes_').reset_index()

• 如果数据中存在同一个time+mech组合对应多条mes记录的情况，需要指定聚合规则时，换用pivot_table即可，例如取每组第一条值：

result = df.pivot_table(
    index='time',
    columns='mech',
    values='mes',
    aggfunc='first' # 可根据需求替换为sum、mean、max等聚合函数
).add_prefix('mes_').reset_index()

执行后得到的result输出结构和预期完全一致：

time  mes_A  mes_B
0     1     50     17
1     2     15     49
2     3     16     62

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