如何使用Pandas实现多列透视生成指定四列数据？

嘿，咱们一步步来搞定这个数据透视的需求！你想要生成那四个新列，虽然pivot是关键工具，但咱们得先做一点预处理——给每个分组里的value排个序，这样才能准确提取最小和第二小的值，以及对应的variable分组。

第一步：构造示例数据（方便你跟着测试） #

先搞个示例DataFrame，模拟你的数据结构：

import pandas as pd

df = pd.DataFrame({
    'group': ['A', 'A', 'A', 'B', 'B', 'B'],
    'variable': ['X', 'Y', 'Z', 'X', 'Y', 'Z'],
    'value': [10, 5, 15, 20, 10, 25]
})

第二步：给每个分组内的value添加排名 #

我们需要按实际分组列（示例中是group）分组，对value做升序排名，这样排名1就是最小的值，排名2就是第二小的值：

# 用method='first'避免相同value时排名重复，保证每行有唯一排名
df['rank'] = df.groupby('group')['value'].rank(method='first', ascending=True).astype(int)

第三步：筛选出排名前2的记录 #

只保留每个分组里排名1和2的行，也就是我们需要的最小和第二小数据：

top2_df = df[df['rank'].isin([1, 2])]

第四步：用pivot重塑成宽表 #

先把排名映射成你想要的列前缀，再通过pivot把数据转成目标格式：

# 映射排名到目标列的前缀
rank_mapping = {1: 'Smallest', 2: 'SecondSmallest'}
top2_df['prefix'] = top2_df['rank'].map(rank_mapping)

# 执行透视，index替换成你自己的分组列，columns用前缀，values取value和variable
result = top2_df.pivot(
    index='group',
    columns='prefix',
    values=['value', 'variable']
).reset_index()

# 把多层列名合并成单层，更符合需求
result.columns = ['_'.join(col).strip('_') if col[1] else col[0] for col in result.columns]

# 最后重命名列到你想要的名称
result = result.rename(columns={
    'value_Smallest': 'Smallest',
    'value_SecondSmallest': 'SecondSmallest',
    'variable_Smallest': 'SmallestGroup',
    'variable_SecondSmallest': 'SecondSmallestGroup'
})

最终结果 #

运行完上面的代码，result就会是你想要的结构：

group  Smallest  SecondSmallest SmallestGroup SecondSmallestGroup
0     A         5              10             Y                   X
1     B        10              20             Y                   X

补充说明 #

• 如果你的数据中存在某个分组只有1条记录的情况，第二小的列会显示NaN，可以用result.fillna(...)来填充默认值
• 示例中的group是假设的分组列，你需要替换成自己数据中实际用来分组的列名

内容的提问来源于stack exchange，提问作者Demetri Pananos