Pandas DataFrame 按发票归组转置明细实现单发票多列宽表

原始数据结构特征 #

表格包含两类无显式分组标记的行：

• 发票头主行：Document type、Invoicenumber、Invoicedate字段非空，承载单张发票的核心主信息
• 明细行项目：紧邻对应发票头行下方，Document type字段值为0，归属上方相邻的发票，是发票下的独立交易明细
  输出目标为整合同属一张发票的所有明细到同一行：对description、quantity、unit price、line amount类明细字段，按明细出现顺序添加#数字后缀生成独立列（如description#1、quantity#2），最终得到每张发票对应一行的规整宽表。

已尝试的无效操作 #

• 直接基于原始行索引对明细行做转置，无法正确匹配明细与所属发票的映射关系，出现列值错配
• 通过pd.DataFrame.from_dict构造测试样例、传入字典参数用pd.DataFrame(data=d1)初始化表结构，均未生成符合预期的列映射规则

可落地实现步骤 #

• 绑定行级发票归属
  对Invoicenumber、Invoicedate、Document type三个主信息字段执行向前填充，将发票头的主信息值向下覆盖到同组的所有明细行，用填充完成的Invoicenumber作为后续分组的唯一标识，无需手动识别分组边界
• 生成明细顺序序号
  按分组标识拆分数据后，仅对Document type == 0的明细行做组内累计计数，从1开始生成连续整数序号，作为后续列名的拼接后缀
• 重命名明细字段避免列冲突
  对目标明细字段，将原字段名与生成的序号拼接为带#后缀的新列名，保证不同明细行的同名字段在转宽表后不会出现覆盖
• 聚合生成宽表
  按发票分组标识聚合时，主信息字段直接取组内首个非空值，明细字段按照重命名后的列名做值展开，最终输出每行对应单张发票的规整结构

内容的提问来源于stack exchange，提问作者Max