Question

df = pd.DataFrame({'Col1': ['label1', 'label1', 'label2', 'label2',
          'label3', 'label3', 'label4'],
 'Col2': ['a', 'd', 'b', 'e', 'c', 'f', 'q']}, columns=['Col1', 'Col2'])

看起来像这样

     Col1 Col2
0  label1    a
1  label1    d
2  label2    b
3  label2    e
4  label3    c
5  label3    f
6  label4    q

对于Col1中的唯一值，我想将列的唯一值转换为列。从某种意义上说，我试图将“{1}}值”取消堆叠为列标题，行值将是Col1中的值。我的关键主要问题是我没有计算任何数字数据 - 它都是文本 - 而我只是想重塑结构。

这是理想的结果：

Col2

我尝试过：label1 label2 label3 label4 0 a b c q 1 d e f NaN，stack，unstack，pd.melt，pivot_table。

这个ALMOST让我在那里，但并不完全，而且看起来并不简洁：

pivot

This question shows how to do it with a pivot table ..但我的情况下的数字索引不是我关心的。

This question shows how to also do it with a pivot table ..使用aggfunc df.groupby('Col1').apply(lambda x: x['Col2'].values).to_frame().T Col1 label1 label2 label3 label4 0 [a, d] [b, e] [c, f] [q]或first，但会返回CSV而不是各行的值。

Answer 1

您可以使用cumcount为新index创建列，然后使用汇总join的{{3}}：

df['g'] = df.groupby('Col1')['Col1'].cumcount()

print (df.pivot_table(index='g', columns='Col1', values='Col2', aggfunc=''.join))
Col1 label1 label2 label3 label4
g                               
0         a      b      c      q
1         d      e      f   None

感谢您发表评论pivot_table：

df['g'] = df.groupby('Col1')['Col1'].cumcount()

print (df.pivot(index='g', columns='Col1', values='Col2'))
Col1 label1 label2 label3 label4
g                               
0         a      b      c      q
1         d      e      f   None

或者：

print (pd.pivot(index=df.groupby('Col1')['Col1'].cumcount(),
                columns=df['Col1'], 
                values=df['Col2']))

Col1 label1 label2 label3 label4
0         a      b      c      q
1         d      e      f   None

Answer 2

使用set_index和unstack，您可以

In [17]: df.set_index([df.groupby('Col1')['Col1'].cumcount(), 'Col1'])['Col2'].unstack()
Out[17]:
Col1 label1 label2 label3 label4
0         a      b      c      q
1         d      e      f   None

详细

In [18]: df
Out[18]:
     Col1 Col2
0  label1    a
1  label1    d
2  label2    b
3  label2    e
4  label3    c
5  label3    f
6  label4    q

Python Pandas将唯一列值拆分为自己的

2 个答案: