如何实现Pandas分类类型DataFrame的长表转宽表操作

我们日常使用Pandas做长表转宽表操作时，常用的pivot、pivot_table、unstack、groupby类方法都需要对重复索引对应的值做聚合计算，仅适用于有可聚合元素的场景，无法直接实现「将同分组下的多行分类值按顺序展开为独立列」的需求。针对示例中的场景，我们可以通过如下方案实现： #

完整实现代码 #

首先导入依赖并构造输入数据：

import pandas as pd
import numpy as np

# 输入数据
d = {'Fruit':['Apple', 'Apple', 'Apple', 'Kiwi'], 
'Color1':['Red', 'Yellow', 'Red', 'Green'],
'Color2':['Red', 'Red', 'Green', 'Brown'],
'Color3':[np.nan,np.nan,'Red',np.nan]}
df = pd.DataFrame(d)

写法1：逻辑清晰分步实现 #

# 1. 给每个Fruit分组内的行添加顺序编号
df['row_num'] = df.groupby('Fruit').cumcount()

# 2. 把Color列从宽格式转为长格式
df_melt = df.melt(id_vars=['Fruit', 'row_num'], var_name='color_type', value_name='color_value')

# 3. 生成新的列名：分组内第0行用原列名，第n行加`_n`后缀
df_melt['new_col'] = df_melt.apply(
    lambda x: x['color_type'] if x['row_num'] == 0 else f"{x['color_type']}_{x['row_num']}",
    axis=1
)

# 4. 转回宽格式得到结果
df_result = df_melt.pivot(index='Fruit', columns='new_col', values='color_value').reset_index()

# 可选：调整列顺序和示例输出完全一致
col_order = ['Fruit'] + [f'Color{i}' if j == 0 else f'Color{i}_{j}' for i in range(1,4) for j in range(3)]
df_result = df_result[col_order]

写法2：更简洁的groupby+unstack实现 #

df_result = df.groupby('Fruit', group_keys=False)\
    .apply(lambda x: x.drop('Fruit', axis=1).reset_index(drop=True))\
    .unstack()\
    .reset_index()

# 处理列名
df_result.columns = [
    col[0] if col[1] == 0 else f"{col[0]}_{col[1]}" 
    for col in df_result.columns
]

结果验证 #

输出df_result即可得到符合要求的结构：

内容的提问来源于stack exchange，提问作者delimiter