我需要哪种熊猫功能？ group_by或数据透视

Question

我对Pandas还是比较陌生，我无法确定我最好使用哪种功能来获得答案。我已经看过数据透视，数据透视表，分组依据和聚合，但是我似乎无法让它满足我的要求。非常抱歉，我很抱歉！

我有这样的数据：

创建df的代码：

import pandas as pd
df = pd.DataFrame([
    ['1', '1', 'A', 3, 7],
    ['1', '1', 'B', 2, 9],
    ['1', '1', 'C', 2, 9],
    ['1', '2', 'A', 4, 10],
    ['1', '2', 'B', 4, 0],
    ['1', '2', 'C', 9, 8],
    ['2', '1', 'A', 3, 8],
    ['2', '1', 'B', 10, 4],
    ['2', '1', 'C', 0, 1],
    ['2', '2', 'A', 1, 6],
    ['2', '2', 'B', 10, 2],
    ['2', '2', 'C', 10, 3]
], columns = ['Field1', 'Field2', 'Type', 'Price1', 'Price2'])
print(df)

我正在尝试获取这样的数据：

尽管我的最终目标是为A分配一列，为B分配一列，为C分配一列。由于A将使用Price1，而B＆C将使用Price2。

我不想一定要获得价格的最大值或最小值或平均值或总和，因为从理论上讲（尽管不太可能），对于相同的字段和类型可能会有两个不同的Price1。

在Pandas中使用什么功能可以最好地满足我的需求？

Answer 1

使用pivot_table

pd.pivot_table(df, values =['Price1', 'Price2'], index=['Field1','Field2'],columns='Type').reset_index()

Answer 2

使用DataFrame.set_index和DataFrame.unstack进行整形-输出在列中为MultiIndex，因此添加了按DataFrame.sort_index排序第二级，展平值并从{{1 }}级：

Field

也可以使用DataFrame.pivot_table解决方案，但是它会使用默认的df1 = (df.set_index(['Field1','Field2', 'Type']) .unstack(fill_value=0) .sort_index(axis=1, level=1)) df1.columns = [f'{b}-{a}' for a, b in df1.columns] df1 = df1.reset_index() print (df1) Field1 Field2 A-Price1 A-Price2 B-Price1 B-Price2 C-Price1 C-Price2 0 1 1 3 7 2 9 2 9 1 1 2 4 10 4 0 9 8 2 2 1 3 8 10 4 0 1 3 2 2 1 6 10 2 10 3 函数将值重复的前三列进行汇总：

mean