如何根据Group ID将单列人员数据拆分为多列，实现行转列效果？

你这个场景本质是给同组内的成员按顺序编号，再按编号转成列，不需要用常规的行转列/列转行逻辑，下面给不同工具的实现方法：

1. SQL 实现（通用标准语法） #

先给同组的每个人加行号，再做条件聚合即可，示例代码：

WITH ranked_people AS (
    SELECT 
        People,
        `Group ID`,
        ROW_NUMBER() OVER (PARTITION BY `Group ID` ORDER BY People) AS rn
    FROM your_table
)
SELECT 
    MAX(CASE WHEN rn = 1 THEN People END) AS `People 1`,
    MAX(CASE WHEN rn = 2 THEN People END) AS `People 2`,
    `Group ID`
FROM ranked_people
GROUP BY `Group ID`

• 逻辑说明：先用窗口函数给每个组内的成员打1、2的序号，再通过条件聚合把序号1的放到People1列，序号2的放到People2列即可，完全适配每组固定2人的场景。

2. Excel/Power Query 实现 #

操作步骤：

• 把数据加载到Power Query编辑器，选中「Group ID」列，点击【分组依据】
• 分组设置：新列名输入「temp」，操作选「所有行」，点击确定
• 新增自定义列，公式输入：Table.FromList([temp][People],Splitter.SplitByNothing(),{"Item"})
• 展开自定义列的表格，给分组内加索引列：选中自定义列的表格，点击【添加列】-【索引列】- 从1开始
• 透视索引列：选中索引列，点击【转换】-【透视列】，值列选People，聚合函数选不要聚合
• 最后把列重命名为People 1、People 2即可

3. Python Pandas 实现 #

代码示例：

import pandas as pd

# 先给同组加序号
df['rn'] = df.groupby('Group ID').cumcount() + 1
# 透视表输出
res = df.pivot(index='Group ID', columns='rn', values='People').reset_index()
# 重命名列
res.columns = ['Group ID', 'People 1', 'People 2']

逻辑和SQL方案一致，处理十万行级数据也没有性能问题。

内容的提问来源于stack exchange，提问作者Larsen