Pandas按ID分组后如何将start_time列转为process列行实体

你之前的写法问题在于：groupby生成的分组对象没有原生melt方法，而且当前需求本质是给每个ID分组插入一行起始记录，不需要用复杂的列转行逻辑，实现步骤很简单：

• 因为同ID下start_time取值完全一致，先去重提取每个ID对应的start_time值，组装成process为start_time的新行
• 删掉原表的start_time列，和新生成的起始行做纵向拼接
• 按ID、process字段排序，保证每个ID的start_time行排在分组最前，重置索引即可

完整可运行代码：

import pandas as pd

# 样例数据
df = pd.DataFrame({
    'start_time': ['14:05','14:05','14:05','14:05','14:12','14:12'],
    'time': ['14:16','14:34','15:00','15:10','14:19','14:54'],
    'process': ['A','B','C','D','A','B'],
    'ID': [1,1,1,1,2,2]
})

# 生成每个ID对应的start_time行
start_rows = df[['ID', 'start_time']].drop_duplicates().rename(columns={'start_time': 'time'})
start_rows['process'] = 'start_time'

# 拼接数据并排序
result = pd.concat(
    [start_rows, df.drop(columns='start_time')],
    ignore_index=True
).sort_values(
    by=['ID', 'process'], 
    ascending=[True, False]  # process降序时start_time会排在A/B/C/D前面
).reset_index(drop=True)

运行后输出结果完全匹配目标格式：

time     process  ID
0  14:05  start_time   1
1  14:16           A   1
2  14:34           B   1
3  15:00           C   1
4  15:10           D   1
5  14:12  start_time   2
6  14:19           A   2
7  14:54           B   2

如果你的process字段存在比start_time字典序更大的值，不想靠字符串排序调整顺序，可以给拼接后的数据加一个辅助排序列：给start_rows加sort_flag=0，原表数据加sort_flag=1，排序时先按ID再按sort_flag排，排完删掉辅助列就行，逻辑更稳妥。

内容的提问来源于stack exchange，提问作者alex3465