重塑熊猫数据帧（复杂的情况下！）

Question

我要重塑以下数据帧：

 
index id  numbers 
1111 5  58.99 
2222 5  75.65 
1000 4  66.54 
11  4  60.33 
143  4  62.31 
145  51  30.2 
1  7  61.28

重整的数据帧应该是这样的：

 
id 1  2  3 
5 58.99 75.65 nan 
4 66.54 60.33 62.31 
51 30.2 nan  nan 
7 61.28 nan  nan

我用下面的代码来做到这一点。

import pandas as pd 
dtFrame = pd.read_csv("data.csv") 
ids = dtFrame['id'].unique() 
temp = dtFrame.groupby(['id']) 
temp2 = {} 
for i in ids: 
    temp2[i]= temp.get_group(i).reset_index()['numbers'] 
dtFrame = pd.DataFrame.from_dict(temp2) 
dtFrame = dtFrame.T 

虽然上面的代码解决了我的问题，但有没有更简单的方法来实现这一点。我试过Pivot表，但它不能解决问题，也许它需要在每个组中具有相同数量的元素。或者可能有另一种我不知道的方式，请分享你的想法。

Answer 1

In [69]: df.groupby(df['id'])['numbers'].apply(lambda x: pd.Series(x.values)).unstack() 
Out[69]: 
     0  1  2 
id      
4 66.54 60.33 62.31 
5 58.99 75.65 NaN 
7 61.28 NaN NaN 
51 30.20 NaN NaN 

这与您所做的事情非常相似，只是将循环替换为apply。 pd.Series(x.values)有一个索引，默认范围是从0开始的整数。索引值成为列名（上面）。不同的团体可能有不同的长度并不重要。 apply方法为您排列各种指数（并用NaN填充缺失值）。多么方便！

我学会了这个把戏here。