透视熊猫数据帧，并计算“列”参数

Question

说我有以下数据框：

import pandas as pd 

df = pd.DataFrame() 
df['ID'] = [1, 1, 1, 2, 2] 
df['Type'] = ['A', 'B', 'Q', 'B', 'R'] 
df['Status'] = [0, 0, 1, 0, 1] 
>>> df 
    ID Type Status 
0 1 A  0 
1 1 B  0 
2 1 Q  1 
3 2 B  0 
4 2 R  1 
>>> 

我希望将这个数据帧由“ID”，重塑它让我有一个“类型”变量和组中每个项目的“状态”变量。见下：

Type1 Type2 Type3 Status1 Status2 Status3 
ID            
1  A  B  Q  0  0  1 
2  B  R NaN  0  1  NaN 

我的输出数据框中的行数取决于任何一组ID中的最大记录数。

我认为pivot函数是我想在这里使用的。但是，它需要一个“列”参数，我相信它应该是每个组中每个项目的ID。我计算这个，非常笨拙的方法，我就这样做的更好的方式欣赏的建议：

>>> g=df.groupby('ID') 
>>> df['IDinGroup']=[item for sublist in [range(1,len(i[1])+1) for i in g] for item in sublist] 
>>> df 
    ID Type Status IDinGroup 
0 1 A  0   1 
1 1 B  0   2 
2 1 Q  1   3 
3 2 B  0   1 
4 2 R  1   2 
>>> 

然后我就可以通过“类型”和“状态”变量循环，并转动每个然后将它们合并回到一起：

>>> ListOfValues=[] 
>>> for ValueCol in ['Type','Status']: 
...  f=df.pivot(index='ID',columns='IDinGroup',values=ValueCol) 
...  f.columns=[ValueCol+str(Col) for Col in f.columns] 
...  f.columns.name=None 
...  ListOfValues.append(f) 
... 
>>> pd.concat(ListOfValues,1) 
    Type1 Type2 Type3 Status1 Status2 Status3 
ID            
1  A  B  Q  0  0  1 
2  B  R NaN  0  1  NaN 
>>> 

我在这里采取正确的方法吗？如果是这样，有什么更好的方法来计算枢轴函数的“列”参数？ （每个组内的每个项目的ID）

Answer 1

试试这个：

import pandas as pd 

df = pd.DataFrame() 
df['ID'] = [1, 1, 1, 2, 2] 
df['Type'] = ['A', 'B', 'Q', 'B', 'R'] 
df['Status'] = [0, 0, 1, 0, 1] 

g = df.groupby("ID")[["Type","Status"]] 
df2 = g.apply(pd.DataFrame.reset_index, drop=True).unstack() 

下面是结果：

Type   Status  
     0 1 2  0 1 2 
ID       
1  A B Q  0 0 1 
2  B R NaN  0 1 NaN 

列是一个多指标，如果你想扁它：

df2.columns = [l0 + str(l1+1) for l0, l1 in df2.columns] 

输出：

Type1 Type2 Type3 Status1 Status2 Status3 
ID            
1  A  B  Q  0  0  1 
2  B  R NaN  0  1  NaN