如何对pandas DataFrame执行透视转置得到指定列顺序的结果表

原始数据构造 #

已有如下结构的DataFrame：

import pandas as pd
df = pd.DataFrame({'fk ID': [1,1,2,2], 
                   'value': [3,3,4,5],
                   'valID': [1,2,1,2]})

原始数据打印效果：

fk ID  value  valID
0      1      3      1
1      1      3      2
2      2      4      1
3      2      5      2

需求说明 #

需要将同fk ID下的两行数据合并为一行，最终得到每行包含同一个fk ID对应的valID=1和valID=2的全部字段，目标结构如下：

实现代码 #

固定每组2行场景的极简实现 #

# 拆分两组数据后按列拼接
df1 = df[df['valID'] == 1].reset_index(drop=True)
df2 = df[df['valID'] == 2].reset_index(drop=True)
res = pd.concat([df1, df2], axis=1)

通用实现（支持每组超过2行的场景） #

# 给同fk ID下的行生成组内序号
df['group_seq'] = df.groupby('fk ID').cumcount()
# 透视转换为宽表
res = df.set_index(['fk ID', 'group_seq']).unstack().sort_index(axis=1, level=1)
# 展平多层列名，若不需要区分后缀可直接设置为重复列名
res.columns = [col[0] for col in res.columns]
# 重置索引得到最终结果
res = res.reset_index()

注意事项 #

pandas默认不推荐使用重复列名，后续如果要按列名操作数据可能会出现异常，若仅用于展示可保留重复列名，建议给第二组列加后缀区分：

# 带后缀的列名设置示例
res.columns = [f"{col[0]}_{col[1]+1}" for col in res.columns]

内容的提问来源于stack exchange，提问作者freak11