如何在Pandas中基于另一列值拆分列并重塑DataFrame？

当然可以实现这个需求！本质上咱们是要把长格式的DataFrame转成宽格式，用Pandas的分组+重塑工具就能轻松搞定。下面给你一步步演示具体操作：

1. 先准备好原始数据 #

首先导入Pandas并定义你给出的原始DataFrame：

import pandas as pd

df = pd.DataFrame({
    'col1':['a','a','b','b','c','c'], 
    'col2':['str_a1','str_a2','str_b1','str_b2','str_c1','str_c2']
})

2. 给每个分组添加行序号 #

因为每个col1的取值（比如'a'）对应两行col2的数据，咱们需要给每组内的行标记是第1个还是第2个。这里用groupby结合cumcount()来实现——cumcount()会在每个分组内从0开始计数，加1后就得到1、2的序号：

df['row_num'] = df.groupby('col1').cumcount() + 1

这时候DataFrame会变成这样：

3. 用pivot重塑数据 #

接下来用pivot()方法把长格式转成宽格式：

• index='col1'：把col1作为结果的行索引
• columns='row_num'：把刚才生成的序号作为列的区分标识
• values='col2'：把col2的值填充到对应的位置

df_pivoted = df.pivot(index='col1', columns='row_num', values='col2').reset_index()

4. 重命名列名匹配目标格式 #

现在的列名是col1、1、2，咱们把它们改成需要的col1_1、col2_1、col2_2：

df_pivoted.columns = ['col1_1', 'col2_1', 'col2_2']

最终结果 #

运行完上面的步骤，你就得到了目标的df2：

print(df_pivoted)
# 输出：
  col1_1  col2_1  col2_2
0      a  str_a1  str_a2
1      b  str_b1  str_b2
2      c  str_c1  str_c2

简化版一行代码 #

如果你喜欢更简洁的写法，可以把所有步骤链式调用：

df2 = (df.assign(row_num=df.groupby('col1').cumcount()+1)
         .pivot(index='col1', columns='row_num', values='col2')
         .reset_index()
         .rename(columns={'col1':'col1_1', 1:'col2_1', 2:'col2_2'}))

额外说明 #

这个方法不仅适用于每组2行的情况，如果你的数据里col1的每个分组有更多行（比如3行），它会自动生成col2_3这样的列，兼容性很强哦！

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