Question

我有以下熊猫数据框

 df1
 code  prod  rsp   date_from    date_to      time_from    time_to
 123   MS    75    2018-01-01   2018-01-02   06:00        05:59
 123   HS    65    2018-01-01   2018-01-02   06:00        05:59
 123   MS    76    2018-01-01   2018-01-02   10:00        05:59 
 123   MS    76    2018-01-01   2018-01-02   11:00        05:59 
 123   MS    73    2018-01-02   2018-01-03   06:00        05:59
 123   HS    64    2018-01-02   2018-01-03   06:00        05:59
 123   MS    73    2018-01-02   2018-01-03   10:00        05:59

我想要的数据框是

 code   prod   rsp_1  date_from      date_to    time_from_1   time_to_1   rsp_2   time_from_2   time_to_2
 123    MS     75     2018-01-01     2018-01-02   06:00         05:59       76     10:00        05:59
 123    HS     65     2018-01-01     2018-01-02   06:00         05:59        -      -              -              -             -
 123    MS     73     2018-01-02     2018-01-03   06:00         05:59        -      -              -              -             -
 123    HS     64     2018-01-02     2018-01-03   06:00         05:59        -      -              -

我正在用python进行跟踪

L = list(map(tuple,price[['code','prod','date_from']].values))
s = pd.Series(L, index=price.index)
s = s.ne(s.shift()).cumsum()
g = s.groupby(s).cumcount()

df1 = (price.set_index(['code','prod','date_from', s,g])
   .unstack()
   .sort_index(level=1, axis=1)
   .reset_index(level=2, drop=True))

   df1.columns = [f'{i}_{j+1}' for i, j in df1.columns]
   df1 = df1.reset_index()

我希望将唯一价格rsp纳入各列。例如，在产品df1和MS的{{1}}和2018年1月1日，date_from 76有两个重复的条目，因此我们仅考虑第一个条目。因此，对于一种产品，我们只有一个日期和相应的价格更改历史记录。

Answer 1

使用drop_duplicates，然后似乎应该简化解决方案：

#by one column
price = price.drop_duplicates('rsp')
#if necessary by multiple columns
#cols = ['code','prod','date_from', 'date_to', 'rsp']
#price = price.drop_duplicates(subset=cols) 

g = price.groupby(['code','prod','date_from', 'date_to']).cumcount()

df1 = (price.set_index(['code','prod','date_from','date_to', g])
            .unstack()
            .sort_index(level=1, axis=1))

df1.columns = [f'{i}_{j+1}' for i, j in df1.columns]
df1 = df1.reset_index()
print (df1)
   code prod   date_from     date_to  rsp_1 time_from_1 time_to_1  rsp_2  \
0   123   HS  2018-01-01  2018-01-02   65.0       06:00     05:59    NaN   
1   123   HS  2018-01-02  2018-01-03   64.0       06:00     05:59    NaN   
2   123   MS  2018-01-01  2018-01-02   75.0       06:00     05:59   76.0   
3   123   MS  2018-01-02  2018-01-03   73.0       06:00     05:59    NaN   

  time_from_2 time_to_2  
0         NaN       NaN  
1         NaN       NaN  
2       10:00     05:59  
3         NaN       NaN

如何广播熊猫数据框并将行转换为列

1 个答案: