使用Python的Pandas合并行数据：配方系统CSV生成需求

看起来你需要把同一厂商（Manufacturer）和产品（Product）的多行数据合并成一行，将Data1-3的内容依次拼接，不足的位置补0。下面是用Pandas实现的具体方案，应该能完美匹配你的需求：

步骤说明与代码实现 #

假设你已经用Pandas读取了原始数据并存储在df这个DataFrame中，我们可以按以下步骤处理：

1. 分组并收集所有Data列的值
   先按Manufacturer和Product分组，把每组里的Data1、Data2、Data3按行顺序拼接成一个扁平化的列表：

   # 分组后将每组的Data1-3转为扁平化列表
   grouped = df.groupby(['Manufacturer', 'Product']).apply(
       lambda x: x[['Data1', 'Data2', 'Data3']].values.flatten().tolist()
   ).reset_index(name='combined_data')
   

2. 确定最大需要的列数
   找到所有组中最长的combined_data长度，确保所有行的列数统一，不足的位置用0填充：

   max_length = grouped['combined_data'].apply(len).max()
   

3. 补0并拆分列表为多列
   把每个组的combined_data补0到max_length长度，再拆分成单独的列，最后和厂商、产品列合并：

   # 给短列表补0到最大长度
   grouped['combined_data'] = grouped['combined_data'].apply(
       lambda lst: lst + [0]*(max_length - len(lst))
   )
   # 将列表拆分为多列
   expanded_data = pd.DataFrame(grouped['combined_data'].tolist(), index=grouped.index)
   # 合并分组信息和展开的数据
   final_df = pd.concat([grouped[['Manufacturer', 'Product']], expanded_data], axis=1)
   

4. 导出为目标CSV
   最后把处理好的数据导出为CSV文件，如果你需要空格分隔（和你示例格式一致），可以指定分隔符：

   # 空格分隔，不保留索引和默认表头
   final_df.to_csv('merged_recipes.csv', index=False, header=False, sep=' ')
   

测试验证 #

用你提供的测试数据运行代码后，输出的CSV内容会和你期望的完全一致：

Test 1 Product 1 1 2 3 0 0 0 0 0 0
Test 1 Product 2 4 5 6 0 0 0 0 0 0
Test 2 Product 1 1 2 3 0 0 0 0 0 0
Test 3 Product 1 1 2 3 4 5 6 7 8 9

如果需要调整列名、分隔符或者其他细节，随时调整代码参数即可！

内容的提问来源于stack exchange，提问作者Lee Moss