Question

我有一个如下数据框：

df = pd.DataFrame({'month':['2017-09-27','2017-09-27','2017-09-28','2017-09-29'],'Cost':[100,500,200,300]})

我怎样才能获得这样的df：

2017-09-27   2017-09-28    2017-09-29
  100            200          300
  500            NULL         NULL

提前致谢！

Answer 1

使用cumcount计算items within each group的“累积计数”。我们将使用这些值（下面）作为索引标签。

In [97]: df['index'] = df.groupby('month').cumcount()

In [98]: df
Out[98]: 
   Cost       month  index
0   100  2017-09-27      0
1   500  2017-09-27      1
2   200  2017-09-28      0
3   300  2017-09-29      0

然后可以通过pivoting获得所需的结果：

In [99]: df.pivot(index='index', columns='month', values='Cost')
Out[99]: 
month  2017-09-27  2017-09-28  2017-09-29
index                                    
0           100.0       200.0       300.0
1           500.0         NaN         NaN

Answer 2

选项1
zip_longest

from itertools import zip_longest

s = df.groupby('month').Cost.apply(list)
pd.DataFrame(list(zip_longest(*s)), columns=s.index)

month  2017-09-27  2017-09-28  2017-09-29
0             100       200.0       300.0
1             500         NaN         NaN

选项2
pd.concat

pd.concat(
    {k: g.reset_index(drop=True) for k, g in df.groupby('month').Cost},
    axis=1
)

   2017-09-27  2017-09-28  2017-09-29
0         100       200.0       300.0
1         500         NaN         NaN

选项3
与@unutbu类似，它使用cumcount。但是，我使用set_index和unstack进行透视。

df.set_index([df.groupby('month').cumcount(), 'month']).Cost.unstack()

month  2017-09-27  2017-09-28  2017-09-29
0           100.0       200.0       300.0
1           500.0         NaN         NaN

Python DataFrame：将一列转置为多列

2 个答案: