您可以先按reps（如果是这样，也可以按m1n 1o1p）对 Dataframe 进行排序，然后按每个id的累积计数更改reps。
然后，您可以按照建议执行透视表。

df \
  .sort_values(['id','reps']) \
  .pipe(lambda df_: df_.assign(reps=df_.groupby(['id']).cumcount()+1)) \
  .pivot_table(index='id', columns='reps', values='value') \
  .add_prefix('col')

它不会在预期输出中返回带有NaN的col4，但您可以稍后添加它。

按“id”分组并创建（“value”，“reps”）元组，并按“reps“排序：

df_grouped = df.groupby("id")[["value", "reps"]].apply(lambda x: sorted(list(zip(x.value, x.reps)), key=lambda x: x[1]))

[Out]:
id
1      [(333, 1), (335, 1), (332, 4)]
4                [(225, 1), (555, 3)]
444                          [(2, 5)]

使用“value”作为数据（位于索引0），从上面排序的元组创建结果 Dataframe 。

df_result = pd.DataFrame(data=[[y[0] for y in x] for x in df_grouped], index=df_grouped.index)

[Out]:
       0      1      2
id                    
1    333    335    332
4    225    555    NaN
444    2    NaN    NaN

pandas填充以0开头的默认列名。如果需要，可以更改它：

df_result.columns = list(range(1, len(df_result.columns) + 1))