如何在熊猫中按列分组并将组的所有值复制到一行

Question

这是我的数据集的一个示例：

Consumer_num | billed_units  
29           | 984
29           | 1244
29           | 2323
29           | 1232
29           | 1150
30           | 3222
30           | 1444
30           | 2124

我想按consumer_num分组，然后将每个组的所有值(billed_units(添加到新列中。所以我需要的输出：

Consumer_num | month 1 | month 2 | month 3 | month 4  | month 5  
29           | 984     | 1244     | 2323    | 1232     | 1150 
30           | 3222    | 1444     | 2124    | NaN      | NaN

这是我到目前为止所做的：

group = df.groupby('consumer_num')['billed_units'].unique()
group[group.apply(lambda x: len(x)>1)]
df = group.to_frame()
print df

输出：

Consumer_num | billed_units  
29           | [984,1244,2323,1232,1150]
30           | [3222,1444,2124]

我不知道我的方法是否正确。如果正确，那么我想知道如何分离每个使用者的billed_units，然后添加到新列中，如我在所需输出中所示。还是有更好的方法来实现我所需的输出？

Answer 1

解决方案

c = 'Consumer_num'
m = 'month {}'.format
df.set_index(
    [c, df.groupby(c).cumcount() + 1]
).billed_units.unstack().rename(columns=m).reset_index()
   Consumer_num  month 1  month 2  month 3  month 4  month 5
0            29    984.0   1244.0   2323.0   1232.0   1150.0
1            30   3222.0   1444.0   2124.0      NaN      NaN

工作原理

• 为方便起见，将'Consumer_num'放入可变c中
• 为方便起见，将映射器功能放入变量m中
• 设置两列索引以pd.MultiIndex
  • 我使用groupby和cumcount来创建要unstack的关卡
  • 然后我unstack
• 最后使用映射器函数重命名列

---

对评论的回应

限制月数的一种方法是使用 iloc . 以下限制我们 3 个月。 您可以调整为前 5 个。 奶奶应该照顾好自己。

c = 'Consumer_num'
m = 'month {}'.format
df.set_index(
    [c, df.groupby(c).cumcount() + 1]
).billed_units.unstack().rename(columns=m).iloc[:, :3].reset_index()
#                                         ^..........^
   Consumer_num  month 1  month 2  month 3
0            29    984.0   1244.0   2323.0
1            30   3222.0   1444.0   2124.0

---

或者你可以预处理

c = 'Consumer_num'
m = 'month {}'.format
d1 = df.groupby(c).head(3)  # pre-process and take just first 3
d1.set_index(
    [c, d1.groupby(c).cumcount() + 1]
).billed_units.unstack().rename(columns=m).reset_index()

Answer 2

你可以

使用pivot像

In [70]: dfm = df.assign(m=df.groupby('Consumer_num').cumcount().add(1))
In [71]: dfm.pivot('Consumer_num', 'm', 'billed_units').add_prefix('month ')
Out[71]:
m             month 1  month 2  month 3  month 4  month 5
Consumer_num
29              984.0   1244.0   2323.0   1232.0   1150.0
30             3222.0   1444.0   2124.0      NaN      NaN

---

详

In [75]: df
Out[75]:
   Consumer_num  billed_units
0            29           984
1            29          1244
2            29          2323
3            29          1232
4            29          1150
5            30          3222
6            30          1444
7            30          2124
In [76]: dfm
Out[76]:
   Consumer_num  billed_units  m
0            29           984  1
1            29          1244  2
2            29          2323  3
3            29          1232  4
4            29          1150  5
5            30          3222  1
6            30          1444  2
7            30          2124  3