Python Pandas Groupby：如何将分组后的层级数据行转列？

我来帮你搞定这个长表转宽表的需求，这在Pandas里可以通过分组+透视的组合操作实现，还能顺便统计每组的行数。咱们一步步拆解来做：

步骤1：准备示例数据（如果你的数据已经存在，这步可以跳过） #

先把你给出的示例数据转换成DataFrame：

import pandas as pd

# 构造原始长表数据
df = pd.DataFrame({
    'name': ['jane', 'jane', 'dan', 'bill', 'bill', 'bill'],
    'gender': ['female', 'female', 'male', 'male', 'male', 'male'],
    'year': [2011, 2015, 2009, 2001, 2003, 2000],
    'city': ['Detroit', 'Chicago', 'Lexington', 'New York', 'Buffalo', 'San Francisco']
})

步骤2：按组排序并添加序号 #

观察你的目标宽表，每组的year是按升序排列的（比如bill的year是2000→2001→2003），所以先按name分组后对year升序排序，再给每组内的行添加从1开始的序号，方便后续生成带编号的列名：

# 按name分组，组内按year升序排序
df_sorted = df.sort_values(['name', 'year'])

# 给每个name组内的行添加序号（从1开始）
df_sorted['seq'] = df_sorted.groupby('name').cumcount() + 1

步骤3：透视转换为宽表 #

用pivot方法把长表转成宽表，以name和gender作为索引，序号seq作为列，同时把year和city作为值；之后还要把多级列名合并成year1、city1这种格式：

# 透视生成宽表
wide_df = df_sorted.pivot(
    index=['name', 'gender'],
    columns='seq',
    values=['year', 'city']
)

# 合并多级列名，比如('year', 1) → 'year1'
wide_df.columns = [f'{col[0]}{col[1]}' for col in wide_df.columns]

# 把索引还原成普通列
wide_df = wide_df.reset_index()

步骤4：添加city total列 #

统计每个name对应的行数，也就是city total，然后合并到宽表中：

# 计算每个name的记录数
city_total = df.groupby('name').size().rename('city total')

# 合并到宽表
wide_df = wide_df.merge(city_total, on='name')

步骤5：优化显示（可选） #

把空值替换成空字符串，让输出更贴近你想要的格式：

wide_df = wide_df.fillna('')

最终结果 #

运行完所有代码后，打印wide_df就能得到你想要的宽表：

name  gender  year1         city1 year2     city2 year3    city3  city total
0   bill    male   2000  San Francisco  2001  New York  2003   Buffalo           3
1    dan    male   2009     Lexington                                            1
2   jane  female   2011       Detroit  2015   Chicago                            2

内容的提问来源于stack exchange，提问作者user7939708