如何按唯一ID透视pandas DataFrame并正确保留二值列取值

你之前的pivot_table写法参数设置错误：将place设为行索引、ID设为列索引，本质是做两个维度的交叉透视，和「每个唯一ID对应一行、按字段类型分别聚合」的需求完全不匹配，因此输出结果和预期差异极大。

本次聚合的核心规则分两类：

• 固定属性字段（place、sex）：同一ID下取值完全一致，聚合时保留该唯一值即可
• 二值标识字段（depression、stressed、sleep、ate）：同一ID分组内只要存在取值1，聚合结果就为1，等价于取分组内的最大值

最直接的实现方式是用groupby配合自定义聚合规则，代码如下：

import pandas as pd

# 原始示例数据
example = {
"ID": [1, 1, 2, 2, 2, 3],
"place":["Maryland","Maryland", "Washington", "Washington", "Washington", "Los Angeles"],
"sex":["male","male","female", "female", "female", "other"],
"depression": [0, 0, 0, 0, 0, 1],
"stressed":  [1 ,0, 0, 0, 0, 0],
"sleep": [1, 1, 1, 0, 1, 1],
"ate":[0,1, 0, 1, 0, 1],
}
example = pd.DataFrame(example)

# 为不同字段指定对应的聚合函数
agg_rule = {
    "place": "first",
    "sex": "first",
    "depression": "max",
    "stressed": "max",
    "sleep": "max",
    "ate": "max"
}

# 按ID分组聚合，as_index=False保证ID作为普通列输出而非行索引
result = example.groupby("ID", as_index=False).agg(agg_rule)
print(result)

如果要使用pivot_table实现，只需要正确指定行索引和聚合规则即可，参考代码：

result = example.pivot_table(
    index="ID",
    aggfunc=agg_rule,
    as_index=False
)

上述代码运行后输出和你给出的目标格式完全一致：

ID        place     sex  depression  stressed  sleep  ate
0   1     Maryland    male           0         1      1    1
1   2   Washington  female           0         0      1    1
2   3  Los Angeles   other           1         0      1    1

注：如果后续固定属性列存在同一ID下多个不同取值的异常情况，first只会取分组内第一个值，可以替换为lambda x: x.unique()[0]做校验，或者根据业务需求调整取值逻辑。

内容的提问来源于stack exchange，提问作者Shu