Pandas - 在 groupby 后将列转换为新行

Question

我有一个pandas数据帧。我需要将其中的一些列转换为行。对于每三行，数据帧的前两列中都有相同的数据。因此，正如您在我的期望数据框中所看到的那样，我需要6个更多的列。

我有以下数据帧：

shopCode    Product   Code  Score
    111      Apple    123    0.70
    111      Apple    456    0.75
    111      Apple    789    0.80
    222      Orange   142    0.66
    222      Orange   136    0.83
    222      Orange   623    0.76

我期望的数据框如下：

shopCode  Product   Code1 Code2 Code3 Score1 Score2 Score3
  111      Apple     123   456   789   0.70   0.75   0.80
  222      Orange    142   136   623   0.66   0.83   0.76

我尝试使用df.pivot(index=['店铺代码', '产品'], columns=['码1', '码2', '码3', '分数1', '分数2', '分数3'], values=['码', '分数'])，但是不起作用。

- dimosbele

Answer 1

我们正在使用 pivot_table。

df=pd.pivot_table(df,index=['shopCode','Product'],columns=df.groupby(['shopCode','Product']).cumcount().add(1),values=['Code','Score'],aggfunc='sum')
df.columns=df.columns.map('{0[0]}{0[1]}'.format) 
df
Out[112]: 
                  Code1  Code2  Code3  Score1  Score2  Score3
shopCode Product                                             
111      Apple      123    456    789    0.70    0.75    0.80
222      Orange     142    136    623    0.66    0.83    0.76

使用 reset_index 后

df.reset_index()
Out[113]: 
   shopCode Product  Code1  Code2  Code3  Score1  Score2  Score3
0       111   Apple    123    456    789    0.70    0.75    0.80
1       222  Orange    142    136    623    0.66    0.83    0.76

- BENY

Answer 2

可以使用pandas的groupby和字典合并来实现。

df.groupby(['shopCode', 'Product']).apply(lambda x: pd.Series(
                               {
                                **{'Code'+str(i+1): t for i,t in enumerate(x.Code)},
                                **{'Score'+str(i+1): t for i,t in enumerate(x.Score)}
                               }
                             )).reset_index()

- Saquib

---

用那段代码，你不会得到行作为列！ - FatiHe

它需要使用unstack()函数将行转换为列。...unstack().reset_index() - FatiHe