Question

我跑

Python版本：2.7.12 | Anaconda 4.1.1（64位）| （默认，2016年6月29日，11：07：13）[MSC v.1500 64 bit（AMD64）]熊猫版本：0.18.1 IPython版本：4.2.0

<7>在Windows 7 64上。

获取像

这样的数据框的快速方法是什么？

pd.DataFrame([[1,'a',1,'b',2,'c',3,'d',4],
              [2,'e',5,'f',6,'g',7],
              [3,'h',8,'i',9],
              [4,'j',10]],columns=['ID','var1','var2','newVar1_1','newVar1_2','newVar2_1','newVar2_2','newVar3_1','newVar3_2'])

来自

pd.DataFrame([[1,'a',1],
              [1,'b',2],
              [1,'c',3],
              [1,'d',4],
              [2,'e',5],
              [2,'f',6],
              [2,'g',7],
              [3,'h',8],
              [3,'i',9],
              [4,'j',10]],columns=['ID','var1','var2'])

我要做的是按ID进行分组，然后迭代groupby对象，从每个项目中创建一个新行，并将其附加到最初的emtpty数据帧上，但这很慢，因为在实际情况下是起始行数据帧有几千个。

有什么建议吗？

Answer 1

df.set_index(['ID', df.groupby('ID').cumcount()]).unstack().sort_index(1, 1)

   var1  var2  var1 var2  var1 var2  var1 var2
      0     0     1    1     2    2     3    3
ID                                            
1     a   1.0     b  2.0     c  3.0     d  4.0
2     e   5.0     f  6.0     g  7.0  None  NaN
3     h   8.0     i  9.0  None  NaN  None  NaN
4     j  10.0  None  NaN  None  NaN  None  NaN

或更完整

d1 = df.set_index(['ID', df.groupby('ID').cumcount()]).unstack().sort_index(1, 1)
d1.columns = d1.columns.to_series().map('new{0[0]}_{0[1]}'.format)
d1.reset_index()

   ID newvar1_0  newvar2_0 newvar1_1  newvar2_1 newvar1_2  newvar2_2 newvar1_3  newvar2_3
0   1         a        1.0         b        2.0         c        3.0         d        4.0
1   2         e        5.0         f        6.0         g        7.0      None        NaN
2   3         h        8.0         i        9.0      None        NaN      None        NaN
3   4         j       10.0      None        NaN      None        NaN      None        NaN

将多值列展开到pandas中的新列

1 个答案: