pandas dataframe 将行级子类目信息转换为列 重构为类目级宽表

先明确pivot的适用边界 #

pivot 本身就是为「长表转宽表、把指定列的唯一值映射为新列名」设计的方法，完全匹配你现在的转换需求，适用场景的核心判断标准为：

• 表中不存在同一「索引值 + 待转列值」对应的多行重复冲突，不需要额外聚合计算，只需要把同个索引下不同待转列值对应的属性值平铺成独立列
• 如果出现重复键值对的情况，才需要替换为带聚合逻辑的pivot_table，否则纯pivot的性能和易用性都更优。

分步实现流程 #

1. 前置准备：梳理输入表结构逻辑 #

先对齐你提到的字段规则，输入长表的固定字段为：

• 类层级字段（同个类目标识下值完全一致）：category_id（类目唯一标识）、catprop1、catprop2、Category target
• 子类目层级字段（逐行随子类目变化）：subcategory_id（子类目唯一标识）、subcatprop1、subcatprop2
  因为是长表结构，同个category_id会因为关联多个子类目重复出现多行，转宽的时候必须先把冗余的类层级属性单独提取，避免后续扁平化处理时出现列值错位。

2. 提取类层级的唯一属性主键 #

先对重复的类层级属性做去重，拿到每个类目对应的唯一属性和目标值，作为最终宽表的基础核心列：

cat_level_base = df[[
    'category_id', 'catprop1', 'catprop2', 'Category target'
]].drop_duplicates(subset='category_id').reset_index(drop=True)

3. 给同个类目下的子类目加顺序标记 #

展开子类目属性为列前，需要给同个类目下的所有子类目编固定序号，作为后续列名的拼接依据：

# 按类目分组，给组内子类目生成从0开始的顺序标识
df['subcat_order'] = df.groupby('category_id').cumcount()

如果需要固定子类目排序规则，可以在执行这行代码前先对df做sort_values排序，比如按子类目ID排序，保证顺序标记的一致性。

4. 执行pivot转换，生成子类目属性宽块 #

以类目标识为宽表主键，以子类目顺序为待转列字段，提取两个子类目属性为值，完成宽块转换：

subcat_wide = df.pivot(
    index='category_id',
    columns='subcat_order',
    values=['subcatprop1', 'subcatprop2']
)

这一步生成的subcat_wide是两层列索引结构（第一层是子类目属性名，第二层是子类目顺序号），也就是你提到的需要扁平化处理的部分。

5. 扁平化列名并拼接核心类属性 #

把两层列索引拼接为单层的可读列名，再和之前提取的类层级核心表拼接，得到最终的类粒度宽表：

# 扁平化两层列索引，生成类似subcat0_subcatprop1的列名
subcat_wide.columns = [
    f'subcat{col_order}_{prop_name}'
    for prop_name, col_order in subcat_wide.columns
]
# 把category_id从索引还原为普通列
subcat_wide = subcat_wide.reset_index()

# 按类目ID拼接核心属性和展开的子类目属性
final_df = cat_level_base.merge(subcat_wide, on='category_id', how='left')

常见问题排查 #

• 如果执行pivot时报「索引值重复」类错误，说明同一个类目下的顺序标记存在重复，需要先按category_id+subcategory_id做去重，避免同一子类目在同一类目下出现多行重复记录。
• 如果不需要按顺序标记列名，想直接用子类目ID作为列名前缀，直接把第三步的顺序标记替换为subcategory_id字段即可，pivot时的columns参数直接传入该字段。
• 不同类目下的子类目数量不一致时，缺失的子类目属性列会自动填充为NaN，属于正常的宽表对齐结果，不影响最终「每行对应唯一类目」的粒度要求。

内容的提问来源于stack exchange，提问作者jorge