Question

我有一个数据框，结构如下：

ID | Name | Role  
1 | John | Owner
1 | Bob | Driver
2 | Jake | Owner
2 | Tom | Driver
2 | Sally | Owner
3 | Mary | Owner
3 | Sue | Driver

我想转动Role列并将Name列作为值，但由于某些ID（在这种情况下为索引）在owner角色中有多个人，而某些不具有pivot_table函数不行。有没有办法为特定ID可能拥有的每个其他所有者创建新列。有些人可能有2,3,4+所有者。谢谢！

以下示例输出：

ID | Owner_1 | Owner_2 | Driver
1 | John | NaN | Bob 
2 | Jake | Sally | Tom 
3 | Mary | NaN | Sue

这就是我的尝试：

pd.pivot_table(df,values='Name',index='ID',columns='Role')

DataError: No numeric types to aggregate

Answer 1

您可以使用cumcount为每个ID中的重复项创建附加键，然后我们只需使用pivot

df.Role=df.Role+'_'+df.groupby(['ID','Role']).cumcount().add(1).astype(str)
df.pivot('ID','Role','Name')
Out[432]: 
Role Driver_1 Owner_1 Owner_2
ID                           
1         Bob    John    None
2         Tom    Jake   Sally
3         Sue    Mary    None

Answer 2

您需要将默认聚合函数从mean更改为sum：

pivoted = pd.pivot_table(df, values='Name', 
                         index='ID', columns='Role', aggfunc='sum')
#Role  Driver          Owner
#ID                         
#1       Bob           John 
#2       Tom    Jake  Sally 
#3       Sue           Mary

现在，一些所有者被表示为多字符串。将它们分成单个词：

result = pivoted.join(pivoted['Owner'].str.split().apply(pd.Series))\
       .drop("Owner", axis=1)
#    Driver     0      1
#ID                     
#1     Bob   John    NaN
#2     Tom   Jake  Sally
#3     Sue   Mary    NaN

result.columns = "Driver", "Owner_1", "Owner_2"

根据Pandas中唯一行值的数量添加新列

2 个答案: