Question

我的数据框如下

selection_id  last_traded_price
430494        1.46
430494        1.48
430494        1.56
430494        1.57
430495        2.45
430495        2.67
430495        2.72
430495        2.87

我有很多行包含选择ID，我需要保持selection_id列相同，但是将最后交易价格中的数据转换为这样。

selection_id  last_traded_price
430494        1.46              1.48          1.56      1.57    e.t.c 
430495        2.45              2.67          2.72      2.87    e.t.c

我尝试过使用数据透视

   (df.pivot(index='selection_id', columns=last_traded_price', values='last_traded_price')

由于selection_id中的重复行，Pivot无法正常工作。是否可以先转置数据并删除重复数据？

Answer 1

选项1
groupby + apply

v = df.groupby('selection_id').last_traded_price.apply(list)
pd.DataFrame(v.tolist(), index=v.index)

                 0     1     2     3
selection_id                        
430494        1.46  1.48  1.56  1.57
430495        2.45  2.67  2.72  2.87

选项2
您可以使用pivot执行此操作，只要您有另一列计数通过以进行透视（它需要沿某物旋转，即＆＃ 39;为什么）。

df['Count'] = df.groupby('selection_id').cumcount()
df.pivot('selection_id', 'Count', 'last_traded_price')

Count            0     1     2     3
selection_id                        
430494        1.46  1.48  1.56  1.57
430495        2.45  2.67  2.72  2.87

Answer 2

对cumcount + set_index或unstack创建的新列名称，您可以使用pandas.pivot作为计数器：

g = df.groupby('selection_id').cumcount()
df = df.set_index(['selection_id',g])['last_traded_price'].unstack()
print (df)
                 0     1     2     3
selection_id                        
430494        1.46  1.48  1.56  1.57
430495        2.45  2.67  2.72  2.87

与pivot类似的解决方案：

df = pd.pivot(index=df['selection_id'], 
              columns=df.groupby('selection_id').cumcount(), 
              values=df['last_traded_price'])
print (df)
                 0     1     2     3
selection_id                        
430494        1.46  1.48  1.56  1.57
430495        2.45  2.67  2.72  2.87

在pandas数据帧中转置列，同时保持其他列完整且重复

2 个答案: