如何基于指定列将pandas DataFrame的对应值横向并排展示

核心是给同一A值分组下的多个B值生成位置序号，再将序号映射为新列，把对应B值放到对应列下即可实现横向展开，以下是两种常用实现方案：

方法1：pivot实现（可读性更高） #

import pandas as pd

# 构造原始数据
d = {'A': [0,1,2,3,4,0,1,2,3,4],
     'B': [10,11,17,13,15,2,3,19,20,21]}
df = pd.DataFrame(d)

# 生成分组内的序号作为后续列的标识
df['col_idx'] = df.groupby('A').cumcount()
# 透视转换得到横向展开结果
res = df.pivot(index='A', columns='col_idx', values='B').reset_index()
# 重命名列符合要求
res.columns = ['A', 'D', 'E']

print(res)

方法2：groupby聚合列表拆分（代码更简洁） #

无需新增临时列，直接聚合后拆分列表为多列：

res = df.groupby('A')['B'].agg(list).apply(pd.Series).reset_index()
res.columns = ['A', 'D', 'E']

两种方法运行后均可得到你需要的输出结果：

A   D   E
0  0  10   2
1  1  11   3
2  2  17  19
3  3  13  20
4  4  15  21

内容的提问来源于stack exchange，提问作者Felipe Araya Olea