Python Pandas如何将唯一列值拆分为列并设置指定列为行索引

你之前的代码没把Participant维度绑定到分组计数逻辑里，生成的行序号没法和每个参与者的多条作答记录对齐，自然做不到参与者和响应值的匹配，两种可直接跑通的写法如下：

• 修正你原有cumcount + unstack的写法
  之前写cumcount()的时候只按Metric_Category分组，没有把Participant加进分组规则，生成的0、1、2序号是全表维度的计数，和单个参与者的记录不对应。把Participant设为第一层索引、同时加入分组即可：

  df_result = df2.set_index(
      [
          'Participant',
          df2.groupby(['Participant', 'Metric_Category'])['Metric_Category'].cumcount(),
          'Metric_Category'
      ]
  )['Response'].unstack().reset_index(level=1, drop=True)
  

• 直接用pivot实现（更推荐，代码简洁不容易错）
  这种固定的长表转宽表场景，不用自己写计数逻辑，直接调pandas内置的透视接口就行：

  df_result = df2.pivot(
      index='Participant',
      columns='Metric_Category',
      values='Response'
  ).reset_index()
  

如果运行时提示索引重复报错，说明存在同一个参与者对应同一个指标分类有多条响应的情况，把pivot换成pivot_table即可：单条匹配场景传aggfunc='first'取第一条记录就行，需要合并多条结果可以传aggfunc=list把所有响应值存为列表。

内容的提问来源于stack exchange，提问作者Akshit