为重复ID新增含X值的列：Pandas DataFrame转换需求

我来帮你搞定这个格式转换的需求，这里有个简洁的pandas实现方案：

首先我们需要给每个ID分组内的行生成递增序号，用来区分同一ID下的不同X值，再通过透视操作把这些X值转换成对应列。

完整代码示例 #

import pandas as pd

# 原始数据
df = pd.DataFrame ({'ID' : [125,125,130,130,130], 'X' : [2,1,2,1,3]})

# 步骤1：给每个ID组内的行添加从0开始的序号
df['seq'] = df.groupby('ID').cumcount()

# 步骤2：透视转换，将seq作为列标识，把X值展开成宽格式
result = df.pivot(index='ID', columns='seq', values='X')

# 步骤3：重命名列，匹配你想要的X、X_1、X_2命名规则
result.columns = ['X'] + [f'X_{i}' for i in range(1, len(result.columns))]

# 可选：把ID从索引转回普通列
result = result.reset_index()

print(result)

输出结果 #

ID  X  X_1  X_2
0  125  2    1  NaN
1  130  2    1    3

代码细节说明 #

• groupby('ID').cumcount()：给每个ID分组内的行生成连续序号，同一个ID下的不同X值因此有了唯一标识。
• pivot(...)：将ID设为行索引，seq设为列名，X作为对应值，快速完成长格式到宽格式的转换。
• 列名重命名：把默认的0号列改为X，后续序号列改为X_1、X_2，完全贴合你的目标格式。
• reset_index()是可选操作，如果不需要ID作为索引，执行这一步就能把它变回普通列。

这个方法能自动适配更多X值的场景，比如某个ID有4个X值时，会自动生成X_3列，非常灵活。

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