如何基于条件横向追加数据？Pandas宽表合并需求求助

我明白你想要实现的效果——把df2中对应同一id的keyword和location数据横向展开成带序号的列（比如keyword1、location1），再和原有的宽表df1合并。之前我也碰到过类似的需求，用pivot结合分组序号就能搞定，咱们一步步来：

1. 先准备示例数据（方便你对照测试） #

先模拟你提到的df1和df2结构，这样你可以直接复制代码验证：

import pandas as pd

# 示例宽格式df1
df1 = pd.DataFrame({
    'id': ['A', 'B', 'C'],
    'col1': [10, 20, 30],
    'col2': ['x', 'y', 'z']
})

# 示例长格式df2（同一id可能有多条对应记录）
df2 = pd.DataFrame({
    'id': ['A', 'A', 'B'],
    'keyword': ['python', 'pandas', 'data'],
    'location': ['US', 'CN', 'UK']
})

2. 给df2的每个id分组添加序号 #

这是关键步骤！要生成keyword1、location1这类带序号的列，得先给每个id下的记录标记顺序：

# 给每个id的记录添加从1开始的序号
df2['seq'] = df2.groupby('id').cumcount() + 1

3. 将df2转成宽格式 #

用pivot把长格式的df2转成和df1匹配的宽格式，同时处理多级列名：

# 按id和序号转宽格式
df2_wide = df2.pivot(index='id', columns='seq', values=['keyword', 'location'])
# 把多级列名（比如('keyword',1)）改成单级的keyword1格式
df2_wide.columns = [f'{col[0]}{col[1]}' for col in df2_wide.columns]
# 重置索引，让id变回普通列（方便后续合并）
df2_wide = df2_wide.reset_index()

4. 合并df1和转换后的df2 #

最后用merge按id做左连接，保证df1的所有记录都能保留：

# 左连接合并，保留df1的所有id
df3 = pd.merge(df1, df2_wide, on='id', how='left')

最终效果 #

运行完上面的代码，你会得到这样的df3：

id  col1 col2 keyword1 location1 keyword2 location2
0  A    10    x    python        US    pandas        CN
1  B    20    y      data        UK      NaN       NaN
2  C    30    z      NaN       NaN      NaN       NaN

补充说明 #

• 如果df2中同一id有更多记录，会自动生成keyword3、location3这类列，完全适配你的需求；
• 对于df1中没有对应df2记录的id（比如示例中的C），会用NaN填充，这是合理的默认行为；
• 你之前尝试的merge直接用的话会变成纵向拼接，而pivot_table如果没加序号的话无法区分同一id的多条记录，这就是之前没成功的原因啦~

内容的提问来源于stack exchange，提问作者nyob3