pandas如何按指定列分组后将term_type转列并拼接对应term值

你之前使用pivot_table失败的核心原因是pivot_table默认聚合函数为平均值，不支持字符串拼接，指定对应聚合规则即可实现需求，以下是两种可直接运行的实现方式：

方式1：直接使用pivot_table实现 #

import pandas as pd

# 原始DataFrame
df = pd.DataFrame(
   {
       "id": [1, 1, 2, 2],
       "name": ["alpha", "alpha", "bravo","bravo"],
       "term_type": ["hist", "hist", "hist", "bio"] ,
       "term": ["delta9", "delta10", "delta1", "alpha1"]
    })

result = df.pivot_table(
    index=["id", "name"],  # 按id、name分组作为行索引
    columns="term_type",   # term_type的取值作为新列名
    values="term",         # 列值取自term字段
    aggfunc="||".join      # 同分组同类型的term用||拼接
).reset_index()  # 将id、name从索引转为普通列

# 可选：如果需要name首字母大写匹配示例格式，可加此行
result["name"] = result["name"].str.capitalize()

方式2：groupby+unstack显式分组实现 #

逻辑更清晰，适合需要对分组结果做额外处理的场景：

result = df.groupby(["id", "name", "term_type"])["term"]\
           .agg("||".join)\
           .unstack("term_type")\
           .reset_index()

两种方式输出的结果完全匹配你需要的格式，无匹配值的位置默认返回NaN。

内容的提问来源于stack exchange，提问作者HoneyBadger786