如何选择合适的函数转换pandas DataSeries？长表转稀疏宽表需求

嘿，这个需求其实是典型的长表转宽表场景，Pandas里有一套很顺手的操作能帮你搞定，我给你一步步拆解：

首先，核心思路是先给每个Time+Name分组内的行加上序号，这样我们才能生成Key1、Attr1这种带编号的列名，然后通过透视函数把多行转成多列。

步骤1：构造示例数据（还原你的输入） #

先把你给的表格转成Pandas DataFrame：

import pandas as pd

data = {
    'Pseudo-id': [1, 2, 1, 3],
    'Time': ['10:00', '10:00', '11:00', '11:00'],
    'Name': ['A', 'A', 'B', 'B'],
    'Key': ['Value', 'Value', 'Value', 'Value'],
    'Attr': ['height', 'width', 'height', 'depth'],
    'Value': [10, 20, 10, 20],
    'Unit': ['mm', 'mm', 'mm', 'mm']
}
df = pd.DataFrame(data)

步骤2：给分组内的行添加序号 #

我们需要给每个Time和Name组合下的行从1开始编号，这样后续才能区分不同的条目：

df['seq'] = df.groupby(['Time', 'Name']).cumcount() + 1

这一步会生成一个新列seq，比如10:00+A的两行，seq分别是1和2。

步骤3：透视转换为宽格式 #

用pivot函数把长表转成宽表，指定索引为Time和Name，列用刚才的seq，值就是你要展开的Key、Attr、Value、Unit：

pivoted = df.pivot(index=['Time', 'Name'], columns='seq', values=['Key', 'Attr', 'Value', 'Unit'])

步骤4：整理列名并重置索引 #

这时候的列名是多层的（比如('Key',1)），我们把它合并成你想要的Key1、Attr1格式，再把索引变回普通列：

# 合并多层列名
pivoted.columns = [f'{col[0]}{col[1]}' for col in pivoted.columns]
# 重置索引，让Time和Name成为普通列
result = pivoted.reset_index()

最终结果 #

打印result就能得到你想要的稀疏格式：

如果后续有更多行，它会自动生成Key3、Attr3这类列，完全适配你的稀疏格式需求。

另外如果你的数据里有重复的Time+Name+seq组合（比如同组同序号有两行），pivot会报错，这时候可以换成pivot_table，并指定aggfunc='first'（或者其他聚合方式）来处理重复值：

pivoted = df.pivot_table(index=['Time', 'Name'], columns='seq', values=['Key', 'Attr', 'Value', 'Unit'], aggfunc='first')

内容的提问来源于stack exchange，提问作者Laokoon