使用Pandas重塑DataFrame：将行值转为列名实现列转行

我来帮你搞定这个数据转换需求，这类场景属于典型的行转列（宽表转换），需要结合自定义列名和用户维度的聚合，下面是具体实现步骤：

1. 先明确原始数据结构（模拟样例） #

假设你从Redshift提取的原始表包含user_id（用户ID）、department（部门）、aisle（货架）、item_cost（商品成本）这几个核心字段，先模拟一份样例数据方便演示：

import pandas as pd

# 模拟Redshift提取的原始数据集
raw_data = pd.DataFrame({
    'user_id': [1001, 1001, 1002, 1002, 1003],
    'department': ['produce', 'dairy', 'produce', 'snacks', 'dairy'],
    'aisle': ['fruits', 'milk', 'vegetables', 'chips', 'cheese'],
    'item_cost': [5.99, 3.49, 4.29, 2.99, 6.79]
})

2. 给每个用户的部门条目添加序号 #

因为要把同一个用户的多个部门转成department_1、department_2这类列，首先需要给每个用户下的部门按出现顺序编号：

# 按user_id分组，给每个部门条目生成序号（从1开始）
raw_data['dept_seq'] = raw_data.groupby('user_id')['department'].cumcount() + 1

3. 行转列并自定义列名 #

用pivot方法将多行数据转为单行，同时重命名列名以匹配你的需求：

# 执行 pivot 转换，按user_id分组，按dept_seq拆分列
pivoted_data = raw_data.pivot(
    index='user_id',  # 以user_id作为行索引
    columns='dept_seq',  # 用部门序号作为列的拆分依据
    values=['department', 'aisle', 'item_cost']  # 需要转换的字段
)

# 重命名列：department_1/2，dept_1_aisle/ dept_1_cost等格式
pivoted_data.columns = [
    f'{col[0]}_{col[1]}' if col[0] == 'department' 
    else f'dept_{col[1]}_{col[0]}' 
    for col in pivoted_data.columns
]

# 把user_id从索引变回普通列
pivoted_data = pivoted_data.reset_index()

4. 筛选保留指定的2个用户 #

最后只保留你需要的2个user_id的行：

# 替换成你实际需要保留的user_id列表
target_users = [1001, 1002]
final_result = pivoted_data[pivoted_data['user_id'].isin(target_users)]

最终效果展示 #

运行完上述代码后，final_result的结构会是这样：

完全符合你要求的：每个部门转为department_1/2列，货架和成本对应生成dept_1_aisle、dept_1_item_cost这类列，最终仅保留2行用户数据。

内容的提问来源于stack exchange，提问作者lorelai