在Bandas中Groupby，pivot和concatenate，按日期划分？

Question

我有一个如下所示的数据框：

df = pd.DataFrame([
        [123, 'abc', '121'],
        [123, 'abc', '121'],
        [456, 'def', '121'],
        [123, 'abc', '122'],
        [123, 'abc', '122'],
        [456, 'def', '145'],
        [456, 'def', '145'],
        [456, 'def', '121'],
    ], columns=['userid', 'name', 'dt'])

从this question开始，我设法调换它。

所以，期望的df将是：

userid1_date1  name_1   name_2  ...   name_n
userid1_date2  name_1   name_2  ...   name_n
userid2        name_1   name_2  ...   name_n
userid3_date1  name_1   name_2  ...   name_n

但是，我想根据日期分隔行。例如，如果用户123在两天内有数据，则每天的api事件行应该是单独的。

转换后我真的不需要userid，所以无论如何都可以使用它。

我的计划是：

  

  
• 将df w.r.t分组到dt列
  
• 转动所有组，使每个组看起来像这样：
    userid1_date1 name_1 name_2 ... name_n
  
• 现在，连接数据透视数据
  

但是，我不知道如何在熊猫中做到这一点！

Answer 1

尝试：

def tweak(df):
    return df.reset_index().name

df.set_index('userid').groupby(level=0).apply(tweak)

示范

df = pd.DataFrame([[1, 'a'], [1, 'c'], [1, 'c'], [1, 'd'], [1, 'e'],
                   [1, 'a'], [1, 'c'], [1, 'c'], [1, 'd'], [1, 'e'],
                   [2, 'a'], [2, 'a'], [2, 'c'], [2, 'd'], [2, 'e'],
                   [2, 'a'], [2, 'a'], [2, 'c'], [2, 'd'], [2, 'e'],
    ], columns=['userid', 'name'])

def tweak(df):
    return df.reset_index().name

df.set_index('userid').groupby(level=0).apply(tweak)