Pandas如何按column1的值对多行对应的column2值分组
适配需求的可直接运行实现
针对你给出的分组对齐转宽表的需求,下面的分步实现逻辑清晰,适合新手逐行运行理解:
- 第一步:为每个分组生成组内顺序序号
按照column1的取值对数据分组,给组内每一行分配从0开始递增的顺序号,作为后续跨组对齐的行匹配依据:df['row_idx'] = df.groupby('column1')['column2'].cumcount() - 第二步:转换为目标宽表结构
使用透视功能将分类列column1转为表的列名,以上一步生成的序号为行匹配规则,值取对应的column2内容,最后移除临时生成的序号列,恢复默认数字行索引:# 生成基础透视结果 result = df.pivot(index='row_idx', columns='column1', values='column2') # 移除临时行索引 result = result.reset_index(drop=True) # 若需要和示例效果一致将空值显示为空白,可追加这行 result = result.fillna('') - 简化链式写法(熟悉语法后使用,无需手动创建临时列)
result = ( df.assign(row_idx=df.groupby('column1')['column2'].cumcount()) .pivot(index='row_idx', columns='column1', values='column2') .reset_index(drop=True) .fillna('') )
核心说明:该方法会严格保留原数据中
column2的出现顺序做对齐,不会自动重排元素。如果某一组的元素数量多于其他组,多出来的内容会自动占用单独一行,其余列显示为空白,完全匹配你给出的示例输出效果。
内容的提问来源于stack exchange,提问作者Camoreno
相关产品推荐
相关产品推荐

