在 Pandas 中分组、转置和追加？
声明：本页面是StackOverFlow热门问题的中英对照翻译，遵循CC BY-SA 4.0协议，如果您需要使用它，必须同样遵循CC BY-SA许可，注明原文地址和作者信息，同时你必须将它归于原作者（不是我）：StackOverFlow
原文地址: http://stackoverflow.com/questions/38369424/
Warning: these are provided under cc-by-sa 4.0 license. You are free to use/share it, But you must attribute it to the original authors (not me):
StackOverFlow
Groupby, transpose and append in Pandas?
提问by Dawny33
I have a dataframe which looks like this:
我有一个如下所示的数据框：
Each user has 10 records. Now, I want to create a dataframe which looks like this:
每个用户有 10 条记录。现在，我想创建一个如下所示的数据框：
userid name1 name2 ... name10
which means I need to invert every 10 records of the column nameand append to a new dataframe.
这意味着我需要反转列的每 10 条记录name并附加到新的数据帧。
So, how do it do it? Is there any way I can do it in Pandas?
那么，它是如何做到的呢？有什么办法可以在 Pandas 中做到吗？
采纳答案by piRSquared
groupby('userid')then reset_indexwithin each group to enumerate consistently across groups. Then unstackto get columns.
groupby('userid')然后reset_index在每个组内以一致的方式枚举跨组。然后unstack得到列。
df.groupby('userid')['name'].apply(lambda df: df.reset_index(drop=True)).unstack()
Demonstration
示范
df = pd.DataFrame([
[123, 'abc'],
[123, 'abc'],
[456, 'def'],
[123, 'abc'],
[123, 'abc'],
[456, 'def'],
[456, 'def'],
[456, 'def'],
], columns=['userid', 'name'])
df.sort_values('userid').groupby('userid')['name'].apply(lambda df: df.reset_index(drop=True)).unstack()
if you don't want the useridas the index, add reset_indexto the end.
如果您不想将userid用作索引，请添加reset_index到末尾。
df.sort_values('userid').groupby('userid')['name'].apply(lambda df: df.reset_index(drop=True)).unstack().reset_index()
