如何对DataFrame按ID分组并转置Apple至Mango区间的行数据

嘿，我懂你现在卡在哪了——知道要groupby和转置，但就是没法精准只对Apple到Mango那几行操作，对吧？别慌，用Pandas一步步就能搞定，我给你捋清楚：

1. 先构造示例数据（和你给出的结构一致） #

import pandas as pd
import numpy as np

# 模拟你的原始DataFrame
data = {
    'ID': [1,1,1,1,1,1,1,1,1,2],
    'Name': ['Fruit','xxx','yyy','Apple','aaa','bbb','Mango','abc','lmn','Fruit1'],
    'Price': [10.5,10.5,8.5,4.2,4.1,0.1,2.1,1,np.nan,7.6]
}
df = pd.DataFrame(data)

2. 定义分组处理函数 #

核心思路是对每个ID组单独处理：先保留首行，再定位Apple和Mango的位置，提取中间行转置后合并到首行：

def process_id_group(group):
    # 1. 保留当前ID的首行数据
    first_row = group.iloc[0:1].copy()
    
    # 2. 检查当前组是否存在Apple和Mango（避免报错）
    has_apple = not group[group['Name'] == 'Apple'].empty
    has_mango = not group[group['Name'] == 'Mango'].empty
    
    if has_apple and has_mango:
        # 3. 获取Apple和Mango的索引位置
        apple_idx = group[group['Name'] == 'Apple'].index[0]
        mango_idx = group[group['Name'] == 'Mango'].index[0]
        
        # 4. 提取Apple到Mango之间的所有行（包括这两个行）
        target_rows = group.loc[apple_idx:mango_idx, ['Name', 'Price']]
        
        # 5. 把提取的行转置为「列名=Name，值=Price」的字典
        target_cols = target_rows.set_index('Name')['Price'].to_dict()
        
        # 6. 将转置后的列添加到首行
        for col_name, col_value in target_cols.items():
            first_row[col_name] = col_value
    
    return first_row

3. 分组应用函数并输出结果 #

# 按ID分组，应用处理函数，然后拼接结果
final_result = df.groupby('ID', group_keys=False).apply(process_id_group).reset_index(drop=True)

print(final_result)

输出结果完全符合你的需求：

ID    Name  Price  Apple  aaa  bbb  Mango
0   1   Fruit   10.5    4.2  4.1  0.1    2.1
1   2  Fruit1    7.6    NaN  NaN  NaN    NaN

关键细节说明 #

• 自动忽略了xxx、abc这类无关行，因为我们只提取了Apple到Mango的范围
• 加了存在性检查，如果某个ID没有Apple或Mango，不会报错，只会保留首行数据
• 每个ID的首行内容（比如ID1的Fruit、ID2的Fruit1）都完整保留

内容的提问来源于stack exchange，提问作者Rahul Agarwal