Question

例如，我有以下数据集：

   Name  Number Is true
0  Dani       2     yes
1  Dani       2      no
2  Jack       5      no
3  Jack       5   maybe
4  Dani       2   maybe

我想创建一个新数据集，该数据集将合并相似的行并逐列添加不同的值。这是我想要获得的输出：

   Name  Number Is true1 Is true2 Is true3
0  Dani       2      yes       no    maybe
1  Jack       5       no    maybe

在这里的示例10中，我无法正常工作： How to pivot a dataframe

请问您能为此用例提供一个具体示例吗？

谢谢。

编辑以回复：

   Name      yes     no     maybe
0  Dani        2      2         2
1  Jack      NaN      5         5

Answer 1

您可以尝试以下方法：

df2 = df.drop_duplicates(subset=['Name', 'Number Is'])
df2 = df2.reset_index(drop=True).assign(true= df.groupby('Number Is')['true'].agg(list).reset_index(drop=True) )
temp = df2['true'].apply(pd.Series).T 
temp.index = temp.index+1
temp = temp.T
df2 = df2.assign(**temp.add_prefix('true').add_suffix(' Is')).drop(columns='true').fillna('')

输出：

   Name  Number Is true1 Is true2 Is true3 Is
0  Dani          2      yes       no    maybe
1  Jack          5       no    maybe

Answer 2

结合pivot_table(...)和apply(...)：

df.pivot_table(index=["Name", "Number"], values="Is true", aggfunc=list).apply(lambda x: pd.Series({f"Is true{id+1}": el for id, el in enumerate(x[0])}), axis=1).reset_index()

输出：

   Name  Number Is true1 Is true2 Is true3
0  Dani       2      yes       no    maybe
1  Jack       5       no    maybe      NaN

修改

为您跟进。这可能是您正在寻找的东西

df.pivot_table(index=["Name"], columns="Is true", values="Number", aggfunc=list).fillna('').apply(lambda x: pd.Series({f"{col}{id+1}": el for col in x.keys() for id, el in enumerate(x[col])}), axis=1).reset_index()

输出：

   Name  maybe1  no1  yes1
0  Dani     2.0  2.0   2.0
1  Jack     5.0  5.0   NaN

如何合并相似的行并按值将列拆分为行？

2 个答案: