Python 如果唯一id具有多个行，且另一列的值不同，如何聚合分类数据？

我需要将具有相同id的数据聚合到一行中，但将不同的代码保存到不同的列中

我看了这篇文章：，但这篇文章没有回答我的问题

例如：输入数据帧可以是：

d = {'id': ['a', 'a', 'a', 'b', 'b', 'b'], 'Code': ['A1', 'A2', 'A3', 'B1', 'B2', 'B3']}
df1 = pd.DataFrame(data=d)
print(df1)

但输出需要如下所示：

d = {'id': ['a', 'b'], 'Code_1': ['A1', 'B1'], 'Code_2':['A2', 'B2'], 'Code_3':['A3', 'B3']}
df2 = pd.DataFrame(data=d)
print(df2)

我尝试了多种方法。最接近的是我在另一个问题上找到的代码，它至少完成了聚合部分

df1.groupby('id')['Code'].apply(' '.join).reset_index()

但这会产生一个输出，其中不同的代码作为一个长字符串保存到一列中，而不是保存到多个列中

  id      Code
0  a  A1 A2 A3
1  b  B1 B2 B3

任何帮助都会很好

您可以使用在分离器上拆分分组数据框的

code

列，并传递一个可选参数

expand=True

，该参数将拆分的字符串扩展为多列。这将创建一个新的数据框

df_s

。然后使用，您可以将前缀

code\u

添加到数据帧

df\u s

的列中。最后使用

pd.concat

可以将

df_g[“id”]

和

df_s

合并

使用：

这张照片是：

 id Code_1 Code_2 Code_3
0  a     A1     A2     A3
1  b     B1     B2     B3

  id      Code
0  a  A1 A2 A3
1  b  B1 B2 B3

df_g = df1.groupby('id')['Code'].apply(' '.join).reset_index()

df_s = df_g["Code"].str.split(' ', expand=True)
df_s.columns = df_s.columns + 1
df_s =  df_s.add_prefix("Code_")

result = pd.concat([df_g["id"], df_s], axis=1) 
print(result)

 id Code_1 Code_2 Code_3
0  a     A1     A2     A3
1  b     B1     B2     B3