Pandas如何基于多索引将多行数据合并为单行

直接用pd.pivot()无法同时完成「课程名+成绩」双字段的配对展开，你要的单行转换代码（含列名格式化，直接输出你要的目标结构）如下：

df_result = df.set_index(['FirstName','LastName', df.groupby(['FirstName','LastName']).cumcount()+1]).unstack().sort_index(axis=1, level=1).pipe(lambda x: x.set_axis([f'{col}{seq}' for col, seq in x.columns], axis=1)).reset_index()

逻辑说明 #

• 先按FirstName+LastName对学生分组，给同一名学生的所有课程按原始顺序生成从1开始的序号
• 将姓名、课程序号设为索引后，通过unstack()把不同序号对应的课程名、成绩横向展开为列
• 按课程序号层级排序，保证同序号的CourseName和CourseGrade相邻，不会出现列错位
• 最后把多层列名拼接为CourseName1/CourseGrade1这类目标命名，重置索引后就得到结果

用你提供的样例数据运行，输出完全匹配预期：

FirstName LastName CourseName1 CourseGrade1 CourseName2 CourseGrade2
0    Joseph    Hanso       CS101           A+       CS102            D

如果不需要提前格式化列名，仅获取核心宽表结构可以用更短的版本：

df_result = df.set_index(['FirstName','LastName', df.groupby(['FirstName','LastName']).cumcount()+1]).unstack().sort_index(axis=1, level=1).reset_index()

内容的提问来源于stack exchange，提问作者Mohamed Taher Alrefaie