Pandas如何循环按唯一ID重构DataFrame并新增对应列？

使用以下代码生成示例DataFrame：

import pandas as pd

example = {
"ID": [1, 1, 2, 2, 2, 3],
"place":["Maryland","Maryland", "Washington", "Washington", "Washington", "Los Angeles"],
"type": ["condition", "symptom", "condition", "condition", "sky", "condition"],
"name":  ["depression", "cough", "fatigue", "depression", "blue", "fever" ]
}
example = pd.DataFrame(example)

原始数据结构预览：

需要按唯一ID重组为宽表，预期结构如下：

result = {
"ID": [1,2,3],
"place":["Maryland","Washington", "Los Angeles"],
"condition": ["depression", "fatigue", "fever"],
"condition1":["no", "depression", "no"],
"symptom": ["cough", "no", "no"],
"sky": ["no", "blue", "no"]
}
result = pd.DataFrame(result)

目标结果预览：

重组规则 #

• 每个ID对应唯一的place取值
• type字段的所有唯一取值（condition、symptom、sky等）转为独立列
• 同一ID下如果存在多个同type的记录，依次生成带数字后缀的列：第一个同类型列用原type名，第二个开始加数字后缀（比如第二个condition列命名为condition1）
• 没有对应取值的单元格统一填充"no"

之前通过groupby拆分数据到字典，但返回结果为字典格式，不符合宽表结构要求：

example.nunique()   
df_names = dict()
for k, v in example.groupby('ID'):
    df_names[k] = v

通过分组计数+透视表即可实现，无需写复杂嵌套循环，且支持自动适配新增的type取值：

# 给每个ID下的同type记录加序号，用于生成列名后缀
example['type_seq'] = example.groupby(['ID', 'type']).cumcount()
# 生成最终列名：序号为0用原type名，大于0拼接数字后缀
example['col_name'] = example.apply(
    lambda x: x['type'] if x['type_seq'] == 0 else f"{x['type']}{x['type_seq']}",
    axis=1
)

# 透视生成宽表，空值填充为no
result = example.pivot_table(
    index=['ID', 'place'],
    columns='col_name',
    values='name',
    aggfunc='first'
).reset_index().fillna('no')

# 调整列顺序，固定列在前，动态生成列按名称排序
fixed_cols = ['ID', 'place']
dynamic_cols = [col for col in result.columns if col not in fixed_cols]
result = result[fixed_cols + sorted(dynamic_cols)]

运行后输出结果与预期完全一致。

内容的提问来源于stack exchange，提问作者Shu