基于过滤器和多列索引的新列？

Question

我一直在尝试搜索/思考答案，可能是融化或堆叠，但似乎仍然无法做到。

这是我的DF：

d = {'type' : [1, 2, 3, 4, 5, 1, 2, 3, 4, 5],
 'company' : ['A', 'B', 'C', 'D', 'E','A', 'B', 'C', 'D', 'E'],
 'value type': ['value car','value car','value car','value car','value car', 'value train','value train','value train','value train','value train',],
 'value': [0.1, 0.2, 0.3, 0.4, 0.5, 0.15, 0.25, 0.35, 0.45, 0.55] }

df = pd.DataFrame(d)

这是我想要的（我的数组在左侧，我想要的数组在右侧）： 如您所见，我想要基于组合（类型，公司）的新列“火车价值”

类似

for each row : 
    if (df['value type'] == 'value train'):
        #and (type,company) is the same
        df['train value'] = df['value']
        remove row

例如，类型1的公司A的新列值将在新列中具有新值。 有办法正确执行此操作吗？

编辑：：：有一个很好的答案，但我没有清楚地说明自己。我只需要一个只有“一个值类型”的新列。例如我的新DF：

d = {'type' : [1, 2, 3, 4, 5, 1, 2, 3, 4, 5],
 'company' : ['A', 'B', 'C', 'D', 'E','A', 'B', 'C', 'D', 'E'],
 'month' : ['jan', 'feb', 'marc', 'apr', 'may', 'jan', 'feb', 'marc', 'apr', 'sep'],
 'business' : ['business1', 'business2', 'business3', 'business4', 'business5', 'business6', 'business7', 'business8', 'business9', 'business10'], 
 'value time': ['past', 'past', 'past', 'past', 'present', 'present', 'present', 'present', 'future', 'future'],
 'value': [0.1, 0.2, 0.3, 0.4, 0.11, 0.21, 0.31, 0.41, 0.45, 0.55] }

df = pd.DataFrame(d)

这一次我想要的是：

如果可能的话，只有带有“ present”的值才会出现在新列中。像

if df['value time'] == 'present' then add to new column

Answer 1

您应该旋转数据框：

company_to_type = df.set_index('company')['type'].to_dict()
df = df.pivot(index='company', columns='value type', values='value').reset_index()
df['type'] = df.company.map(company_to_type)
df = df.rename_axis(None, axis=1)
df = df[['type', 'company', 'value train', 'value car']]

你会得到

   type company  value train  value car
0     1       A         0.15        0.1
1     2       B         0.25        0.2
2     3       C         0.35        0.3
3     4       D         0.45        0.4
4     5       E         0.55        0.5