Pandas按索引合并并将行按值转换为新列的实现方案

要实现你需要的长→宽格式转换，用Pandas的pivot（或pivot_table处理重复值场景）就能轻松搞定，步骤如下：

1. 先准备原始数据（模拟你的输入） #

首先我们先把你给出的原始数据构造成DataFrame：

import pandas as pd

# 模拟你的原始长格式数据
df = pd.DataFrame({
    'some_data': ['1 12', '1 12', '1 12', '2 52', '2 52', '2 52'],
    'language': ['french', 'english', 'spanish', 'french', 'english', 'spanish'],
    'spelling': ['un', 'one', 'uno', 'deux', 'two', 'dos']
})

2. 映射语言到目标列名 #

因为你需要把english转成lang_en、french转成lang_fr、spanish转成lang_sp，先做一个映射转换：

# 定义语言到目标列名的映射
lang_col_mapping = {
    'english': 'lang_en',
    'french': 'lang_fr',
    'spanish': 'lang_sp'
}

# 新增一列存储转换后的列名
df['target_col'] = df['language'].map(lang_col_mapping)

3. 执行长转宽操作 #

用pivot方法，以some_data为索引，target_col为新列名，spelling为对应列的值：

# 转成宽格式
wide_df = df.pivot(
    index='some_data',  # 要保留的分组列（不转成新列的部分）
    columns='target_col',  # 要转成新列的字段
    values='spelling'  # 新列对应的值
).reset_index()  # 把索引转回普通列

# 调整列顺序，和你的目标格式一致
wide_df = wide_df[['some_data', 'lang_en', 'lang_fr', 'lang_sp']]

执行后得到的wide_df就是你要的目标格式：

some_data lang_en lang_fr lang_sp
0      1 12     one      un     uno
1      2 52     two    deux     dos

特殊情况处理：如果有重复的分组+语言组合 #

如果你的原始数据中，同一个some_data+language存在多条记录（即重复值），pivot会报错，这时候改用pivot_table并指定聚合函数（比如取第一个值、均值等）：

wide_df = df.pivot_table(
    index='some_data',
    columns='target_col',
    values='spelling',
    aggfunc='first'  # 取第一个出现的值，你也可以用'mean'/'sum'等
).reset_index()

补充：如果some_data实际是多列 #

看你的目标格式里some_data是1 12这种复合值，如果实际是两列（比如col1=1、col2=12），只需要把index参数改成列名列表即可：

# 假设原始数据是两列
df = pd.DataFrame({
    'col1': [1,1,1,2,2,2],
    'col2': [12,12,12,52,52,52],
    'language': ['french', 'english', 'spanish', 'french', 'english', 'spanish'],
    'spelling': ['un', 'one', 'uno', 'deux', 'two', 'dos']
})

wide_df = df.pivot(
    index=['col1', 'col2'],
    columns='target_col',
    values='spelling'
).reset_index()

这样得到的结果会保留col1和col2两列，和你的目标格式对应。

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