如何在Pandas中按ID分组将Value列拆分为带数字后缀的多列？

嘿，我来帮你搞定这个问题！你想要的是把每个ID对应的多个Value值拆分成带序号后缀的列，之前用pd.pivot(df, index='ID', columns='ID', values='Value')的思路不对——因为columns参数用了ID，导致列名重复，没法得到带序号的列。我们换个正确的步骤来实现：

核心思路 #

1. 给每个ID组内的Value添加组内序号（从1开始），用来作为后续列的编号依据；
2. 利用pivot将数据从长表转成宽表，用序号作为列；
3. 重命名列名，改成Value1、Value2这类格式；
4. 重置索引，把ID从索引变回普通列，匹配你期望的输出格式。

完整代码实现 #

import pandas as pd

# 你的示例DataFrame
df = pd.DataFrame({'ID': ['A', 'A', 'A', 'B', 'C', 'C', 'D', 'E', 'F', 'F', 'F', 'F'], 
                   'Value': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L']})

# 步骤1：给每个ID组内的Value添加从1开始的序号
df['seq'] = df.groupby('ID').cumcount() + 1

# 步骤2：转成宽表，ID作为行索引，序号作为列，Value作为值
result = df.pivot(index='ID', columns='seq', values='Value')

# 步骤3：重命名列，生成Value1、Value2...的格式
result.columns = [f'Value{col}' for col in result.columns]

# 步骤4：重置索引，把ID从索引转为普通列
result = result.reset_index()

# 查看最终结果
print(result)

输出结果 #

运行后你会得到和你期望完全一致的DataFrame：

ID Value1 Value2 Value3 Value4
0  A      A      B      C    NaN
1  B      D    NaN    NaN    NaN
2  C      E      F    NaN    NaN
3  D      G    NaN    NaN    NaN
4  E      H    NaN    NaN    NaN
5  F      I      J      K      L

补充说明 #

• 这个方法不管每个ID对应的Value数量多少都能自动适配，列数会自动根据最多的Value数量生成；
• 如果你的Value是数值类型，代码不需要做任何修改，同样适用；
• 空值会自动用NaN填充，符合你的示例要求。

内容的提问来源于stack exchange，提问作者High-Octane