Question

给出以下数据框：

>>> pd.DataFrame(data=[['a',1],['a',2],['b',3],['b',4],['c',5],['c',6],['d',7],['d',8],['d',9],['e',10]],columns=['key','value'])
  key  value
0   a      1
1   a      2
2   b      3
3   b      4
4   c      5
5   c      6
6   d      7
7   d      8
8   d      9
9   e     10

我正在寻找一种可以根据键值更改结构的方法，如下所示：

   a  b  c  d   e
0  1  3  5  7  10
1  2  4  6  8  10 <- 10 is duplicated
2  2  4  6  9  10 <- 10 is duplicated

结果行号是最长的组数（在上面的示例中为d），而丢失的值是最后一个可用值的重复项。

Answer 1

用set_index创建MultiIndex，用计数器计数器cumcount创建，用unstack整形，用ffill重新填充最后的非缺失值，最后转换如有必要，所有数据发送到integer：

df = df.set_index([df.groupby('key').cumcount(),'key'])['value'].unstack().ffill().astype(int)

具有自定义lambda函数的另一种解决方案：

df = (df.groupby('key')['value']
        .apply(lambda x: pd.Series(x.values))
        .unstack(0)
        .ffill()
        .astype(int))

print (df)
key  a  b  c  d   e
0    1  3  5  7  10
1    2  4  6  8  10
2    2  4  6  9  10

Answer 2

使用pivot和groupby + cumcount

df.assign(key2=df.groupby('key').cumcount()).pivot('key2','key','value').ffill().astype(int)
Out[214]: 
key   a  b  c  d   e
key2                
0     1  3  5  7  10
1     2  4  6  8  10
2     2  4  6  9  10

Python-熊猫，将长列拆分为多列

2 个答案: