Question

我有一个数据框df，其中包含按卡进行的交易。一张卡可以进行多次交易，因此可以进行多行交易。我想创建一个新数据框，每张卡一行。问题是每张卡的交易数量会有所不同。我当时以为pd.melt可以解决这个问题。

数据帧看起来像这样：

CardCode    Coupon  ShopName    TranDate
1028670151  S       ShopA       2018-05-24 21:02:19.000
1028670151  S       ShopB       2018-05-23 13:14:44.000
1028670151  G       ShopC       2018-05-24 12:31:24.000
1029282454  S       ShopA       2018-05-19 19:52:40.000
1029282454  G       ShopB       2018-05-19 14:08:02.000
1029646050  S       ShopD       2018-06-17 14:10:42.000
1029684151  S       ShopE       2018-05-05 12:33:21.000
1029684151  G       ShopB       2018-05-05 15:13:08.000
1029684151  S       ShopC       2018-05-06 14:21:02.000
1029754252  G       ShopA       2018-05-05 10:40:30.000

我尝试的代码：

df_new = pd.melt(df, 
                 id_vars = ['CardCode   '], 
                 value_vars = ['TranDate', 'Coupon', 'ShopName'])

尽管这确实使我朝着目标迈进了一步，但每个CardCode我都没有一行，这是我的最终意图。

所需的输出是这样的：

1028670151  S       ShopA       2018-05-24 21:02:19.000 S       ShopB       2018-05-23 13:14:44.000 G       ShopC       2018-05-24 12:31:24.000

有什么建议吗？

非常感谢！

Answer 1

好的，您可以使用cumcount和unstack：

df_out = df.set_index(['CardCode',df.groupby('CardCode').cumcount() + 1])\
           .unstack()\
           .sort_index(level=1, axis=1)

df_out.columns = [f'{i}_{j}' for i,j in df_out.columns]

df_out = df_out.reset_index()

df_out

输出：

     CardCode Coupon_1 ShopName_1               TranDate_1 Coupon_2 ShopName_2               TranDate_2 Coupon_3 ShopName_3               TranDate_3
0  1028670151        S      ShopA  2018-05-24 21:02:19.000        S      ShopB  2018-05-23 13:14:44.000        G      ShopC  2018-05-24 12:31:24.000
1  1029282454        S      ShopA  2018-05-19 19:52:40.000        G      ShopB  2018-05-19 14:08:02.000      NaN        NaN                      NaN
2  1029646050        S      ShopD  2018-06-17 14:10:42.000      NaN        NaN                      NaN      NaN        NaN                      NaN
3  1029684151        S      ShopE  2018-05-05 12:33:21.000        G      ShopB  2018-05-05 15:13:08.000        S      ShopC  2018-05-06 14:21:02.000
4  1029754252        G      ShopA  2018-05-05 10:40:30.000      NaN        NaN                      NaN      NaN        NaN                      NaN

行到列Python Pandas数据框（pd.melt）

1 个答案: