Pandas如何基于指定列的分组值拆分创建新列

你使用pivot_table/pivot报错的核心原因是没有指定可唯一标识行的索引参数，导致同列名冲突。只需要先为每个count分组内的记录生成组内递增的行号作为透视行索引，即可完成你要的拆分效果，代码如下：

• 首先构造示例数据集

import pandas as pd

df = pd.DataFrame({
    'count': [1, 1, 1, 2, 2, 2],
    'orders': [40, 60, 80, 10, 30, 50],
    'books': [2, 4, 6, 8, 10, 12]
})

• 生成分组内的行序号，用于对齐不同分组的行

df['group_row_id'] = df.groupby('count').cumcount()

• 执行透视并整理格式

# 透视转换
pivot_res = df.pivot(
    index='group_row_id',
    columns='count',
    values=['orders', 'books']
)
# 拼接列名为你需要的 字段_分组值 格式
pivot_res.columns = [f'{field}_{group}' for field, group in pivot_res.columns]
# 移除临时生成的行序号列
final_res = pivot_res.reset_index(drop=True)

运行后得到的final_res输出完全匹配你的预期结果：

orders_1  orders_2  books_1  books_2
0        40        10        2        8
1        60        30        4       10
2        80        50        6       12

注意：该方法要求每个count分组下的记录数一致，和你给出的示例场景匹配；如果不同分组行数不一致，缺失的对应位置会自动填充为空值NaN。

内容的提问来源于stack exchange，提问作者JodeCharger100