如何正确对Pandas DataFrame列进行透视 按姓名聚合展示多个对应编号

问题原因 #

你直接将groupby生成的分组对象转为DataFrame的操作不符合pandas的语法逻辑：df.groupby()返回的是GroupBy迭代器，每一项是(分组键, 对应分组的子DataFrame)的元组，所以直接套pd.DataFrame()会得到你看到的、包含元组两部分的奇怪结果，而非预期的聚合表。
另外groupby不是只能传入统计类聚合函数，你完全可以用自定义聚合把同分组的多个值收集成列表再拆分，也可以用透视操作实现行转列，两种思路都能满足需求。

解决方法1：groupby + 列表拆分 #

import pandas as pd
# 示例数据构造
df = pd.DataFrame({
    'NUMBER': ['000231', '009456', '100000901', '100008496'],
    'NAME': ['John Stockton', 'Karl Malone', 'John Stockton', 'Karl Malone']
})

# 按NAME分组，把同组的NUMBER收集为列表
res = df.groupby('NAME', as_index=False)['NUMBER'].agg(list)
# 把列表拆成两列，并重命名
res[['VALUE1', 'VALUE2']] = pd.DataFrame(res['NUMBER'].tolist(), index=res.index)
# 删掉冗余的NUMBER列
res = res.drop('NUMBER', axis=1)

解决方法2：透视表（更符合行转列的场景逻辑） #

# 先给每个NAME分组下的记录生成自增序号，作为透视后的列标识
df['col_idx'] = df.groupby('NAME').cumcount() + 1
# 透视操作：行索引为NAME，列索引为刚才生成的序号，值为NUMBER
res = df.pivot(index='NAME', columns='col_idx', values='NUMBER').reset_index()
# 重命名列名
res.columns = ['NAME', 'VALUE1', 'VALUE2']

两种方法输出的结果都符合预期：

内容的提问来源于stack exchange，提问作者Zizzipupp