基于DataFrame唯一列值创建列并填充经纬度数据

嘿，我明白你想要的效果——把每个id转成列，对应单元格存[lat, long]的列表，还要按Timestamp分组，而且要避免低效的迭代对吧？这事儿用Pandas的内置方法就能轻松搞定，比循环快多了！

先看看你的原始数据：

import pandas as pd

df = pd.DataFrame({
    'Timestamp': [665047, 665047, 2058714, 665348, 2055292],
    'id': ['a', 'b', 'b', 'a', 'b'],
    'lat': [30.508420, 30.491882, 30.492026, 30.508420, 30.491899],
    'long': [-84.372882, -84.372938, -84.372938, -84.372882, -84.372938]
})

你期望得到的结果是按Timestamp聚合，每个id作为列，值是经纬度列表：

Timestamp                          a                          b
0    665047  [30.508420, -84.372882]  [30.491882, -84.372938]
1    665348  [30.508420, -84.372882]                        NaN
2   2055292                        NaN  [30.491899, -84.372938]
3   2058714                        NaN  [30.492026, -84.372938]

之前用iterrows()循环不仅代码麻烦，效率还低，尤其是当id有数千个的时候，循环肯定卡。这里给你两个高效的方法：

方法1：先合并经纬度为列表，再用pivot重塑 #

这个步骤很清晰，分两步走：

1. 先给每行创建[lat, long]的列表
2. 用pivot把id转成列，Timestamp作为索引

代码如下：

# 第一步：生成经纬度列表列
df['coords'] = df[['lat', 'long']].apply(list, axis=1)

# 第二步：pivot重塑表格
result = df.pivot(index='Timestamp', columns='id', values='coords').reset_index()

# 调整列名（去掉columns的层级）
result.columns.name = None

print(result)

运行结果正好是你想要的样子，而且完全用Pandas的矢量化操作，比循环快N倍，哪怕几千个id也能轻松处理。

方法2：用groupby+unstack一步到位 #

如果你想更简洁，可以用groupby按Timestamp和id分组，然后把每组的经纬度转成列表，再unstack把id转成列：

result = df.groupby(['Timestamp', 'id'])[['lat', 'long']] \
           .apply(lambda x: x.values.tolist()[0]) \
           .unstack('id') \
           .reset_index()

result.columns.name = None
print(result)

这个方法和第一个效果一样，也是矢量化操作，效率同样很高。

为什么这两个方法比循环好？因为Pandas的内置方法都是用C实现的底层操作，避免了Python层面的循环开销，数据量越大，优势越明显。之前你的循环代码之所以没得到预期结果，是因为处理字典的时候逻辑没对齐，而用这些内置方法能直接精准实现需求。

内容的提问来源于stack exchange，提问作者user3483203