Pandas将name列值转为新列并合并同match_id行的实现方法

解决方案 #

你已经提前完成数据聚合、不存在match_id+name重复值的场景下，不需要用pivot_table，直接用更轻量的pivot方法或者set_index+unstack组合就可以快速实现转换，不会触发额外的聚合运算，效率更高。 #

方案1：直接用pivot方法（最简便）

# 指定分组索引、待展开的列、填充值
res = df.pivot(
    index=['team1', 'team2', 'match_id'],
    columns='name',
    values=['counts_team1', 'counts_team2']
)
# 拼接生成你要求格式的新列名
res.columns = [f"{col[1]}_{col[0]}" for col in res.columns]
# 把索引列重置为普通列
res = res.reset_index()

方案2：set_index + unstack 组合（逻辑更直观）

res = df.set_index(['team1', 'team2', 'match_id', 'name']).unstack('name')
res.columns = [f"{col[1]}_{col[0]}" for col in res.columns]
res = res.reset_index()

内容的提问来源于stack exchange，提问作者8-Bit Borges